Harmony项目v2025.0.0版本技术解析与升级指南
项目背景与版本概述
Harmony是一个高性能的区块链项目,采用分片技术实现高吞吐量和低延迟的交易处理。作为其核心组件,harmony-one/harmony代码库包含了区块链节点的完整实现。本次发布的v2025.0.0版本是一个重要的主网升级,虽然不包含硬分叉,但对验证节点来说是强制性的升级要求。
核心改进内容
共识机制优化
-
多BLS密钥验证者支持增强:改进了多BLS密钥验证者的共识逻辑,确保在达到法定人数时的正确处理,防止了多个区块提议的问题。同时优化了领导者轮换机制,解决了边缘情况下的领导者选择问题。
-
共识稳定性提升:增加了对共识准备状态的日志记录,改进了领导者设置过程的日志输出,便于问题诊断。新增了Final Commit函数的错误处理机制,确保区块提交过程更加可靠。
-
同步与共识通信优化:减少了不必要的共识重置,优化了同步模块与共识模块之间的通信机制,提升了系统整体稳定性。
P2P网络增强
-
资源管理引入:为P2P主机添加了资源管理器功能,可以更好地控制网络资源使用,防止资源耗尽导致的节点不稳定。
-
可信节点支持:扩展了P2P网络功能,支持将特定节点标记为可信节点,增强了网络连接的可控性。
-
流处理改进:优化了P2P流处理机制,提升了流同步的性能和可靠性,特别是在大规模网络环境下的表现。
开发者工具与测试环境
-
本地网络调试增强:为Makefile添加了新命令,便于开发者进行本地网络调试。同时支持配置每个epoch的区块数量,方便测试不同场景。
-
多BLS密钥验证者支持:本地测试网络现在支持配置多个BLS密钥的验证者,以及多个外部节点,为测试复杂验证者场景提供了便利。
交易处理改进
- 有效Gas价格支持:在交易收据中添加了effectiveGasPrice字段,为RPC节点和区块链浏览器提供了更精确的Gas价格信息。虽然对验证节点不是必须的,但运行RPC服务的节点建议升级以获得此功能。
技术实现细节
本次升级在代码层面主要涉及以下几个关键修改:
-
并发与锁管理优化:重构了分阶段流同步模块的并发控制和锁管理机制,减少了潜在的竞争条件。
-
错误处理增强:在多个关键路径上增加了更精细的错误处理和日志记录,便于问题定位。
-
CI/CD流程改进:更新了持续集成环境,将macOS构建环境从12升级到13版本,确保构建过程的可靠性。
升级建议
-
验证节点:必须尽快升级,虽然没有硬分叉截止时间,但新版本显著提升了网络稳定性。
-
RPC节点和浏览器节点:强烈建议升级以获得effectiveGasPrice等新功能支持。
-
开发者:建议更新本地开发环境,利用新的多BLS密钥验证者测试功能和增强的调试工具。
总结
Harmony v2025.0.0版本是一次以稳定性和可靠性为核心的升级,通过优化共识机制、增强P2P网络、改进开发者工具等多方面的改进,为网络参与者提供了更稳定、更高效的运行环境。特别是对验证节点来说,这次升级将显著提升网络的整体健康度和稳定性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00