Foundry项目rc-3版本发布:全面升级智能合约开发工具链
Foundry作为区块链智能合约开发的一站式工具链,在rc-3版本中带来了多项重要更新和改进。Foundry包含Anvil(本地区块链节点)、Cast(区块链RPC交互工具)、Forge(测试与部署框架)等核心组件,为开发者提供了从编写、测试到部署的全流程支持。本次rc-3版本在功能增强、错误修复和性能优化等方面都有显著提升。
Anvil组件的重要更新
Anvil作为本地区块链节点模拟器,在rc-3版本中新增了多项实用功能。其中最值得注意的是新增的eth_simulateV1 RPC调用支持,这使得开发者能够更灵活地模拟交易执行。同时,Anvil现在支持负数的fork块号参数,为测试不同历史状态提供了更大灵活性。
在安全方面,Anvil改进了私钥处理机制,当遇到无效助记词时会优雅地处理错误而非直接崩溃。此外,还修复了缓存路径重置和链ID优先级等关键问题,提升了工具的稳定性。
Cast工具的增强功能
Cast作为与区块链节点交互的CLI工具,在rc-3版本中获得了多项实用功能增强。新增的cast txpool命令让开发者能够直接与交易池交互,而cast wallet change password和cast wallet public key等命令则完善了钱包管理功能。
特别值得一提的是,新版本增加了对原始未签名交易的支持,并改进了交易解码功能,现在能够显示恢复出的发送方地址。这些改进使得Cast在交易构建和分析方面更加全面和强大。
Forge框架的重大改进
Forge作为测试框架,在rc-3版本中引入了多项创新功能。新增的expectCreate和expectCreate2作弊码允许开发者精确测试合约创建过程,而vm.sort和vm.shuffle则为测试数据准备提供了新工具。
在测试覆盖率方面,rc-3修复了构造函数参数处理的bug,并改进了分支覆盖率计算,使得覆盖率报告更加准确。同时,新版本优化了编译过程,通过预处理和缓存机制显著提升了大型项目的编译速度。
底层优化与开发者体验
rc-3版本在底层架构上进行了重要重构,将各组件(Forge、Cast、Anvil、Chisel)改造为更适合作为库使用的结构,这为开发者集成Foundry功能到自己的工具链中提供了便利。
在开发者体验方面,新增了vm.foundryVersionCmp和vm.foundryVersionAtLeast作弊码,允许测试脚本根据Foundry版本执行不同逻辑。同时改进了错误提示信息,使得调试过程更加直观。
总结
Foundry rc-3版本通过功能增强、错误修复和架构优化,进一步巩固了其作为区块链智能合约开发首选工具链的地位。从本地节点模拟到合约测试,从交易构建到部署验证,rc-3版本在各个维度都提供了更加完善和稳定的开发体验。这些改进不仅提升了开发效率,也为更复杂的智能合约场景提供了更好的支持。
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