Sei Chain中EVM交易哈希处理机制解析
背景介绍
在Sei区块链网络中,开发者发现了一个关于EVM交易哈希处理的特殊情况。当通过JSON-RPC接口查询特定区块的交易收据时,系统返回了一个看似无效的EVM交易哈希。这一现象揭示了Sei Chain在处理混合交易类型时的一些底层机制。
问题现象分析
在区块高度98182138(十六进制0x5da23fa)中,使用eth_getBlockByNumber查询返回了5个有效的EVM交易哈希。然而,当使用eth_getBlockReceipts查询同一区块时,却返回了6个交易哈希,其中包含一个额外的哈希值0x20060de0db9b36ccc8006267b254ea4526739bd95493c51fe3a82952fdbb4cb0。
进一步调查发现,这个额外的哈希值实际上对应的是一个原生Cosmos交易,而非标准的EVM交易。这个交易通过某种方式与EVM交互并产生了日志,因此被包含在交易收据查询结果中,但在标准的EVM交易查询接口中却无法找到。
技术原理
这一现象揭示了Sei Chain的几个重要技术特点:
-
混合交易处理机制:Sei Chain支持原生Cosmos交易与EVM交易的互操作。某些Cosmos交易可以直接与EVM合约交互并产生状态变更和日志。
-
交易收据生成逻辑:系统会为所有产生EVM状态变更的交易生成收据,无论其原始交易类型是Cosmos交易还是EVM交易。
-
RPC接口差异:标准EVM接口如
eth_getTransactionByHash只能查询到纯EVM交易,而收据接口则会包含所有影响EVM状态的交易。
解决方案演进
在Sei Chain的后续版本中,开发团队对这一行为进行了调整:
-
v5.9.0版本变更:移除了通过标准EVM RPC接口返回这类混合交易的功能,改为通过专门的
sei_*自定义RPC方法提供这类信息。 -
接口分离:将原生Cosmos交易与EVM交易的查询接口明确分离,提高了接口的一致性和可预测性。
开发者建议
对于在Sei Chain上开发的DApp开发者,应当注意以下几点:
-
当需要查询影响EVM状态的所有交易时,应同时考虑使用标准EVM接口和Sei专用接口。
-
在交易哈希处理逻辑中,需要考虑到哈希值可能对应不同类型的交易。
-
升级到v5.9.0及以上版本时,注意相关接口行为的变化,及时调整应用逻辑。
总结
这一案例展示了区块链系统中多虚拟机环境下的复杂交互场景。Sei Chain通过不断优化接口设计,在保持兼容性的同时提高了系统的清晰度和开发者体验。理解这些底层机制对于在Sei生态中构建稳健的DApp至关重要。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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