zkSync Era Prover v19.0.0 版本深度解析
zkSync Era 是一个基于零知识证明技术的 Layer2 扩容解决方案,它通过创新的 zkRollup 架构为区块链网络带来了高性能和低成本的交易体验。作为 zkSync Era 的核心组件之一,Prover(证明器)负责生成零知识证明,确保链下交易的有效性能够被链上验证。本次发布的 Prover v19.0.0 版本带来了一系列重要的功能增强和性能优化。
核心功能升级
GPU 支持与自动扩展优化
本次版本最显著的改进是将 GPU 和简单 Scaler 整合为统一的 Scaler 系统。这一架构重构使得证明生成过程能够更灵活地利用 GPU 资源,同时简化了系统的扩展机制。新版本还专门添加了 gpu_checker 二进制工具,用于验证 GPU 环境的正确配置和运行状态。
预编译合约准备
为支持即将推出的新预编译合约,v19.0.0 版本提前进行了必要的底层准备。预编译合约是 EVM 兼容链上优化特定计算性能的重要手段,这些准备工作为未来引入更高效的密码学原语和其他复杂计算奠定了基础。
签名验证缓存
虚拟机层面新增了签名验证结果的缓存机制。这一优化显著减少了重复签名验证的计算开销,对于高频交易场景尤其有利,能够提升整体系统的吞吐量。
性能优化
批量插入优化
Witness Generator(见证生成器)现在支持将多个证明作业作为单个批量插入操作处理。这种优化减少了数据库交互次数,在大规模并发场景下能够显著降低系统负载。
索引简化
对 prover_jobs_fri 表的索引结构进行了合理化简化。通过优化数据库索引,提高了查询效率,特别是在高负载情况下能够保持稳定的性能表现。
监控与可观测性增强
新版本改进了与 Prometheus 监控系统的集成,特别是 Witness Generator 现在能够更好地支持 Prometheus push gateway 的连续模式。此外,重新引入了 autoscaler_queue 指标,为系统自动扩展行为提供了更全面的监控视角。
架构重构
数据访问层优化
对 Witness Generator 的数据访问层(WG DAL)进行了重构,使其更加模块化和高效。这一改进提升了数据访问的性能和可靠性,为后续功能扩展打下了更好的基础。
证明作业处理机制革新
重新设计了证明作业的处理流程,使作业调度和执行更加高效。新的处理机制能够更好地适应不同规模和类型的证明任务,提高了系统的整体稳定性。
安全增强
新版本引入了自定义数据可用性(DA)支持,为外部节点提供了更灵活的数据处理能力。同时,对密钥和承诺信息的管理进行了改进,确保了敏感信息的安全存储和访问。
总结
zkSync Era Prover v19.0.0 版本通过架构优化、性能提升和功能增强,进一步巩固了其作为高效零知识证明生成系统的地位。特别是 GPU 支持的整合和自动扩展机制的改进,为处理大规模交易提供了更强大的能力。这些改进不仅提升了当前系统的性能,也为未来的功能扩展奠定了坚实的基础。
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