Hardhat 3.0 Alpha版本更新:验证插件与断言库优化
项目简介
Hardhat是区块链开发领域广受欢迎的智能合约开发环境,为开发者提供了编译、测试、部署和调试智能合约的一站式解决方案。其模块化设计和丰富的插件生态系统使其成为区块链开发者的首选工具之一。本次发布的3.0 Alpha版本带来了多项重要更新,特别是围绕合约验证和测试断言库的改进。
核心更新内容
1. 内置合约验证功能
本次更新将hardhat-verify插件集成到了Hardhat 3.0 Alpha版本中,作为标准工具箱的一部分。这一改进意味着开发者现在可以直接使用Hardhat进行智能合约的验证操作,而无需单独安装额外的插件。
目前该功能主要支持主流区块链浏览器的合约验证,这是区块链生态中最常用的合约验证服务之一。合约验证对于项目透明度和安全性至关重要,它允许任何人查看部署在链上的合约源代码,并与实际运行的字节码进行比对。
2. 断言库重命名与优化
项目团队对Viem相关的测试工具进行了重要调整:
- 将原有的
@nomicfoundation/hardhat-viem-matchers包更名为@nomicfoundation/hardhat-viem-assertions - 在示例项目中新增了Viem和Ethers断言的使用示例
这一变更不仅仅是名称上的调整,更反映了团队对测试工具定位的重新思考。"Assertions"(断言)比"Matchers"(匹配器)更能准确描述这些工具的实际功能,即用于在测试中对合约行为和各种状态进行验证和断言。
3. 其他重要改进
测试报告优化:修复了节点测试报告中因颜色编码导致的部分差异显示问题,使测试结果输出更加清晰可靠。
错误信息精简:移除了虚假表达式错误消息中不可靠的上下文信息,使错误提示更加精准,减少了开发者的调试干扰。
开发网络配置:针对hardhat-viem插件,修复了开发网络的重试次数设置问题,确保在本地开发环境中不会进行不必要的重试操作。
技术意义与影响
本次更新虽然看似包含多个小改动,但每一项都针对开发者实际使用中的痛点进行了优化:
-
验证流程简化:内置验证功能减少了项目配置的复杂度,使新项目能够更快地上手合约验证流程。
-
测试体验提升:断言库的命名变更和示例增加,配合错误信息的优化,将使测试编写更加直观,调试效率更高。
-
开发环境稳定性:本地网络配置的修复确保了开发过程中的行为一致性,避免了因重试机制导致的不必要延迟或混淆。
这些改进共同指向Hardhat 3.0版本的核心目标:提供更加稳定、直观且功能完善的智能合约开发体验。随着Alpha版本的持续迭代,我们可以期待在正式版中看到一个更加成熟的Hardhat生态系统。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00