NEARCore 2.6.1版本发布:全球合约支持与乐观区块优化
NEAR协议与NEARCore项目简介
NEAR是一个面向开发者和用户友好的区块链平台,旨在提供高性能、可扩展的基础设施。NEARCore则是NEAR协议的官方实现,作为区块链节点的核心软件,负责网络共识、交易处理、智能合约执行等关键功能。该项目采用Rust语言编写,以安全性和性能为核心设计目标。
2.6.1版本核心升级内容
全球合约支持(NEP-591)
本次升级最重要的特性之一是实现了NEP-591方案中描述的全球合约功能。全球合约是一种特殊的智能合约,其状态和代码在所有分片中保持一致,为跨分片通信和全局状态管理提供了基础能力。
传统NEAR合约通常部署在特定分片上,而全球合约则打破了这一限制。这种设计使得开发者能够创建具有全局可见性和可访问性的合约,特别适合构建需要跨分片协调的复杂应用,如去中心化交易平台、跨链连接等基础设施。
从技术实现角度看,全球合约通过特殊的存储机制确保其状态在所有分片间同步,同时保持与现有合约模型的兼容性。这一特性为NEAR生态系统的可组合性开辟了新可能。
乐观区块优化机制
2.6.1版本引入了一项重要的性能优化——乐观区块(Optimistic Block)机制。该技术通过重构区块和分片块(chunk)的生产流程,有效减少了双重执行带来的延迟问题。
在传统设计中,区块生产需要等待分片块执行完成才能继续,这导致了明显的处理延迟。乐观区块机制则允许节点基于预期结果继续工作,显著提升了整体吞吐量。具体实现上,该机制修改了收据ID的计算方式,使用区块高度(block_height)替代额外哈希(extra_hash)作为计算基础,使得分块执行可以基于乐观预测进行。
这一优化对于提升NEAR网络的交易处理能力具有重要意义,特别是在高负载情况下能够保持网络的响应速度。
数据库迁移与版本管理
数据库版本升级
NEARCore 2.6.1包含从版本43到44的数据库迁移。这一迁移过程在节点首次启动2.6版本时自动执行,不同节点类型的迁移时间有所差异:
- 主网验证节点和RPC节点:约30秒
- 主网归档节点:约5分钟
迁移过程中不需要额外存储空间,但需注意不要中断迁移过程,否则可能导致数据库损坏,需要从迁移前快照恢复。
版本回滚机制
考虑到升级可能带来的兼容性问题,2.6.1版本特别设计了回滚机制。在协议升级前,用户可以通过特定命令将数据库回滚到2.5版本兼容的状态:
- 停止节点运行
- 执行
neard database rollback-to25命令 - 等待回滚过程完成(归档节点可能需要5分钟)
- 重新启动2.5版本节点
需要注意的是,一旦网络完成协议升级(版本77),回滚将不再可行,因为新协议与旧版本软件不兼容。
后续升级计划与配置调整
协议版本77的投票将于指定时间开始,预计升级将在投票后约20小时完成。升级后,节点运营商需要按照官方指导调整部分配置参数,以进一步优化区块生成速度。这些调整将基于网络实际运行状况进行优化,与测试网配置可能有所不同。
技术影响与开发者建议
对于智能合约开发者而言,全球合约功能的引入提供了新的设计可能性。建议开发者评估现有合约架构,考虑如何利用全球合约简化跨分片交互。同时,乐观区块机制虽然主要影响底层性能,但也可能间接影响合约执行的可预测性,在开发时间敏感型应用时需加以注意。
节点运营商应特别关注升级时间窗口,确保在协议升级前完成软件更新。对于运行关键服务的节点,建议在测试环境验证迁移过程,并准备好回滚预案。升级后的配置调整也将是优化节点性能的重要环节,需密切关注官方发布的具体参数建议。
NEARCore 2.6.1版本的这些改进标志着NEAR协议在性能和功能丰富性上的持续进步,为构建更复杂的去中心化应用奠定了坚实基础。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust030
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
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