Bittensor项目v9.7.0版本发布:关键功能升级与网络优化
Bittensor是一个开源的去中心化机器学习网络,它通过区块链技术将全球的机器学习资源连接起来,形成一个共享的智能计算网络。在这个网络中,参与者可以通过贡献计算资源或提供优质模型来获得代币奖励,从而实现人工智能能力的普惠化访问。
核心功能改进
本次发布的v9.7.0版本带来了多项重要改进,主要集中在网络稳定性和功能增强方面。最值得关注的是对子网信息获取功能的完善,开发者现在可以通过新增的get_subnet_info接口获取更详细的子网运行状态数据。这一改进使得网络参与者能够更全面地了解各个子网的运行状况,为资源分配和模型优化提供数据支持。
网络稳定性优化
在网络稳定性方面,开发团队修复了get_next_epoch_start_block函数中的一个关键bug,这个函数负责计算下一个epoch开始的区块高度。修复后的函数能够更准确地预测网络状态转换的时间点,对于矿工和验证者来说,这意味着可以更精确地安排模型更新和验证任务。
另一个重要的稳定性改进是将transfer_allow_death替换为transfer_keep_alive。这一变更确保了在代币转账过程中账户不会因为余额不足而被意外销毁,提高了网络操作的安全性。对于普通用户而言,这意味着在进行代币转账时将获得更好的保护,避免因操作失误导致账户异常。
开发流程改进
在项目维护方面,本次更新优化了端到端工作流的跳过逻辑,使得在特定情况下跳过某些任务时不会产生错误。这一改进虽然对终端用户不可见,但显著提升了开发团队的效率,为后续更快地推出新功能和修复问题奠定了基础。
文档与协作增强
项目还更新了Pull Request模板,增加了分支确认环节,这一变更优化了贡献者协作流程。同时修复了PR模板中的链接问题,使得新贡献者能够更顺畅地参与项目开发。这些改进虽然看似微小,但对于一个开源项目的长期健康发展至关重要。
总结
Bittensor v9.7.0版本虽然没有引入革命性的新功能,但在网络稳定性、开发体验和协作流程方面的多项改进,为项目的长期发展打下了更坚实的基础。对于网络参与者来说,这些改进意味着更可靠的运行环境和更流畅的操作体验;对于开发者而言,则提供了更高效的协作工具。这些渐进式的优化体现了项目团队对产品质量的持续追求,也为未来更大规模的网络扩展做好了准备。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00