NEAR Core 2.6.0版本发布:全球合约支持与乐观区块优化
项目背景
NEAR Core是NEAR区块链协议的核心实现,作为新一代高性能区块链平台,NEAR以其分片架构和开发者友好的特性在区块链领域占据重要位置。本次发布的2.6.0版本带来了两项重要的协议升级,将进一步增强网络的功能性和性能表现。
协议升级亮点
全球合约支持(NEP-591)
2.6.0版本实现了NEP-591改进方案,引入了全球合约(Global Contracts)功能。这一创新特性允许特定合约在整个区块链网络中全局可用,而不需要像传统合约那样在每个分片中单独部署。
全球合约的实现为开发者带来了显著优势:
- 简化了跨分片合约调用流程
- 减少了合约部署和维护的复杂性
- 提高了合约调用的执行效率
- 为构建更复杂的去中心化应用提供了基础支持
这一改变在协议层面进行了精心设计,确保在不影响网络安全性和去中心化特性的前提下,为开发者提供更强大的工具。
乐观区块优化
另一个重大改进是引入了乐观区块(Optimistic Block)机制,旨在解决区块和分片(chunk)生产流程中的执行延迟问题。
传统流程中,区块和分片的执行存在双重延迟:
- 区块生产者需要等待前一区块的执行结果
- 分片生产者又需要等待区块的执行结果
乐观区块机制通过优化这一流程,使区块生产者可以基于乐观假设提前工作,显著减少了整体延迟。这一改进需要改变收据ID的计算方式,从使用extra_hash改为使用block_height,从而支持基于乐观区块的分片执行。
数据库迁移
2.6.0版本包含从版本43到44的数据库迁移。这一迁移过程在验证节点和RPC节点上约需30秒,在归档节点上约需5分钟。迁移过程中不需要额外的存储空间,但需要注意:
- 不要中断迁移过程,否则需要从迁移前的快照恢复
- 迁移完成后数据库将采用新的格式存储数据
回滚机制
在协议升级前,如果遇到问题可以从2.6.0回滚到2.5版本,但需要手动执行数据库回滚操作。回滚步骤包括停止节点、运行专门的回滚命令,然后重新启动旧版本节点。需要注意的是,一旦网络完成协议升级,回滚将不再可能,因为新协议版本与旧版软件不兼容。
后续升级计划
协议版本77的投票将于2025年5月7日开始,预计升级时间为2025年5月8日。升级后,节点运营商需要更新部分配置值以提高区块生成速率,具体说明将在协议升级后提供。
技术影响分析
2.6.0版本的这两项主要改进将对NEAR生态系统产生深远影响:
- 性能提升:乐观区块机制将显著减少区块生产延迟,提高网络吞吐量
- 开发便利:全球合约支持降低了开发复杂应用的门槛
- 扩展性增强:为未来更复杂的跨分片交互奠定了基础
这些改进体现了NEAR团队对区块链可扩展性问题的持续关注和创新解决方案,进一步巩固了NEAR作为开发者友好型区块链平台的地位。
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