Simple Taiko Node v1.11.0版本发布:Hekla测试网Pacaya升级支持
Simple Taiko Node是一个轻量级的Taiko网络节点实现,它为开发者提供了快速搭建和运行Taiko区块链节点的能力。作为Taiko生态系统中的重要组件,Simple Taiko Node简化了节点部署流程,使开发者能够更便捷地参与网络验证和区块生产。
重要升级通知
本次发布的v1.11.0版本是为Hekla测试网的Pacaya分叉做准备的关键更新。Pacaya分叉预计将在区块高度1,299,888处激活,大约在2025年3月28日左右。由于区块时间的波动性,具体时间可能会有所变化。
所有运行Taiko节点的用户必须在此分叉高度前完成升级,否则节点可能会与网络断开连接或出现运行异常。这是Taiko网络发展过程中的一次重要协议升级,包含了多项性能优化和功能改进。
核心组件版本要求
为了确保与Pacaya分叉的兼容性,各核心组件需要升级到以下最低版本:
- Taiko BCR协议需要升级至v2.2.0版本,该版本引入了新的ProverSet实现,用于区块提议的证明者集合管理
- Taiko Geth客户端需要升级至v1.14.1版本,包含了底层区块链协议的优化
- Taiko客户端需要升级至v1.3.1版本,提供了与Pacaya分叉兼容的接口实现
- Raiko需要升级至v1.6.0版本,这是Taiko网络的zkEVM实现
技术改进与特性
v1.11.0版本主要包含以下技术改进:
-
Hekla测试网支持增强:针对Hekla测试网环境进行了多项优化,提升了节点在测试网络中的稳定性和性能表现。
-
Pacaya分叉准备:更新了相关镜像标签,确保节点能够顺利过渡到Pacaya分叉后的网络状态。这包括对共识规则变更的支持和新的协议特性实现。
-
环境变量修复:修正了区块提议者(proposer)组件中的环境变量命名问题,提高了配置的准确性和易用性。
升级建议与注意事项
对于运行生产环境节点的用户,建议采取以下升级步骤:
- 首先备份现有的节点数据和配置文件
- 按照官方文档的升级指南逐步替换各组件
- 在测试环境中验证新版本的稳定性
- 监控节点在分叉高度前后的运行状态
对于使用ProverSet进行区块提议的用户,需要特别注意新的ProverSet合约实现,确保升级过程中证明逻辑的正确性。
Simple Taiko Node v1.11.0版本的发布标志着Taiko网络向更高效、更稳定的方向又迈进了一步。通过这次升级,网络参与者将能够体验到改进后的性能和增强的功能特性。建议所有节点运营者及时规划升级工作,以确保平稳过渡到Pacaya分叉后的网络环境。
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