MinaProtocol主网3.1.0版本发布:性能优化与功能增强
MinaProtocol是一个轻量级的区块链协议,它通过递归零知识证明技术实现了区块链状态的恒定大小,这使得Mina成为目前最轻量的区块链之一。近日,MinaProtocol团队正式发布了主网3.1.0版本,该版本带来了多项性能优化和功能增强,显著提升了网络的稳定性和效率。
账本同步协议优化
3.1.0版本中最引人注目的改进之一是账本同步协议的优化。在之前的版本中,节点在启动、从停机恢复或从陈旧状态重启时,同步账本状态需要多次网络往返通信。随着账本中账户数量的增加,这一过程会变得相当耗时。
新版本通过引入"宽Merkle查询"技术,大幅减少了同步账本状态所需的网络往返次数。这一改进使得即使账本中的账户数量持续增长,同步过程也能保持高效。对于节点运营者来说,这意味着更快的启动时间和更稳定的网络连接体验。
区块生产时间优化
另一个重要改进是将最大区块生产时间从超过120秒降低到不足45秒。这一变化通过重构持久化数据库中的根哈希存储方式实现,用Root_(hash, common)替代了原来的Root结构。这种优化减少了哈希计算的开销,使得区块生产更加高效和稳定。
资源消耗优化
3.1.0版本在资源管理方面也做了多项改进:
- 验证器子进程的内存消耗得到优化,降低了整体资源需求
- 在RPC调用中移除了不必要的哈希计算和暂存账本哈希计算
- 改进了Lagrange基检索性能,并移除了不安全代码
这些优化使得节点可以在相同硬件配置下运行得更高效,降低了运行节点的资源门槛。
引导过程增强
新版本改进了节点引导过程,通过使用snark work RPC来初始化完成的snark池,减少了节点重启时空块的数量。这一改进使得网络在节点重启或加入时能够更快地达到稳定状态。
自定义Snark协调器配置
3.1.0版本引入了一个重要功能:支持自定义snark协调器配置。开发者现在可以根据自己的需求灵活配置snark工作策略,这为网络参与者提供了更大的灵活性和控制权。团队还提供了一个示例脚本,展示了如何利用这一新功能。
其他改进与修复
除了上述主要改进外,3.1.0版本还包括:
- 改进了非存在zkapp URI的哈希计算效率
- 修复了Lagrange基性能回归问题
- 增加了GraphQL查询特定待处理snark工作的功能
- 提供了完整的运行时配置给GraphQL接口
- 移除了编译配置类型中的冗余字段
升级与部署
对于运行Mina节点的用户,升级到3.1.0版本相对简单。Debian/Ubuntu用户可以通过更新软件源并安装指定版本的软件包完成升级。Docker用户可以选择基于不同Linux发行版的镜像进行部署。
升级后,用户可以通过mina client status命令验证版本信息,确认运行的是正确的3.1.0版本。为了确保网络连接稳定,建议在启动时指定官方的种子节点列表。
总结
MinaProtocol 3.1.0版本的发布标志着该项目在性能优化和功能完善方面又迈出了重要一步。通过账本同步、区块生产、资源管理等多方面的改进,新版本显著提升了网络的整体性能和用户体验。特别是自定义snark协调器配置的引入,为开发者提供了更大的灵活性,有望进一步丰富Mina生态系统的应用场景。
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-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