Hyperledger Besu 25.2.0版本发布:Pectra硬分叉支持与重要更新
Hyperledger Besu是一个企业级的区块链客户端,采用Java语言开发,支持公共网络和私有网络的部署。作为Hyperledger项目的一部分,Besu为开发者提供了构建和运行区块链兼容网络的完整解决方案。
核心更新内容
25.2.0版本包含了多项重要更新,其中最重要的是为即将到来的Pectra硬分叉做准备。Pectra硬分叉将在测试网络Holesky和Sepolia上分别于2月24日和3月5日激活。对于运行这些测试网络的节点来说,升级到25.2.0版本是强制性的。
重大变更
本次版本引入了一个重要的默认值变更:rpc-gas-cap的默认值从0(无限制)调整为50M。这一变更是出于安全考虑,防止通过RPC接口发送的高gas消耗请求对节点造成过载。如果您的应用确实需要超过50M的gas限制,现在需要显式地配置这个参数。
即将到来的不兼容变更
开发团队预告了几个将在未来版本中移除的功能和API:
- 度量系统API变更:
MetricSystem::createLabelledGauge将被MetricSystem::createLabelledSuppliedGauge取代 - Kubernetes NAT方法将被弃用,建议改用Docker或无NAT模式
- 多项Bonsai存储相关的实验性参数将被正式化或移除
- 多项功能将被逐步淘汰,包括Tessera隐私方案、基于智能合约的权限控制、工作量证明共识机制和快速同步功能
新增功能与改进
交易选择优化
新版本改进了交易选择算法,现在当同一个发送者的第一笔交易未被选中时,会自动跳过该发送者的后续交易。这一优化可以减少无效的交易处理,提高节点性能。
Pectra硬分叉支持
25.2.0版本为Pectra硬分叉做好了准备,包括:
- 为Holesky和Sepolia测试网络设置了正确的激活时间戳
- 更新了系统调用地址以匹配最新的devnet-6规范
插件API增强
插件系统现在支持在pending区块上模拟交易的功能扩展,为开发者提供了更强大的区块构建前测试能力。
问题修复
本次版本修复了几个关键问题:
- 修复了未来nonce交易的模拟问题,确保交易模拟更加准确
- 升级了besu-native到1.1.2版本,增加了对Ubuntu 20.04的原生支持
升级建议
对于运行Holesky或Sepolia测试网络的节点,必须尽快升级到25.2.0版本以确保与即将到来的Pectra硬分叉兼容。对于主网节点,虽然本次升级是可选的,但建议评估新功能带来的好处,特别是如果您使用了受影响的RPC接口或交易选择功能。
企业用户应特别注意即将被移除的功能,特别是那些使用Tessera隐私或智能合约权限控制的场景,需要提前规划迁移方案。开发者也应检查是否使用了即将被弃用的API,及时更新代码以避免未来兼容性问题。
总的来说,25.2.0版本为Hyperledger Besu带来了重要的功能增强和前瞻性改进,为即将到来的网络升级做好了准备,同时也为开发者提供了更强大的工具和更稳定的运行环境。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00