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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00