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。
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