Stacks-core 3.1.0.0.9版本发布:性能优化与稳定性提升
Stacks-core是一个开源区块链项目,它实现了Stacks区块链的核心协议。Stacks区块链是一个独特的区块链网络,它通过锚定主流加密网络来增强安全性,同时支持智能合约和去中心化应用的开发。最新发布的3.1.0.0.9版本带来了多项性能改进和错误修复,显著提升了区块处理速度和网络稳定性。
主要改进与优化
本次更新在多个方面进行了优化,特别是在区块处理性能方面取得了显著进展。开发团队通过添加索引来优化next_ready_nakamoto_block()函数的性能,这直接改善了区块处理速度,使得节点同步时间大幅缩短。对于运行全节点的用户来说,这意味着更快的同步体验和更低的资源消耗。
在共识机制方面,团队调整了block_rejection_timeout_steps的默认配置值。这一改动使得验证者在网络出现区块批准或拒绝率不达标时(未达到70%批准或30%拒绝),能够更快地重试,从而提高了网络的响应速度和稳定性。
新增功能与API增强
3.1.0.0.9版本为EventObserver添加了vm_error字段到交易输出中,这为开发者提供了更详细的虚拟机执行错误信息,有助于调试智能合约问题。同时,在交易回滚时(如因后置条件不满足),交易收据现在会包含原因字符串,帮助用户更清楚地理解问题所在。
API方面,/v3/block_proposal端点新增了ValidateRejectCode值,为区块验证提供了更细粒度的反馈。此外,新增的StateMachineUpdateContent::V1支持存储需要在后续Stacks区块中重放的交易向量,为状态机更新提供了更灵活的支持。
在事件通知方面,/new_burn_block事件观察者负载现在包含parent_burn_block_hash字段,为开发者提供了更完整的区块关系信息。
错误修复与稳定性提升
本次发布修复了mock-mining中的一个回归问题,使得模拟验证者能够在整个周期内持续工作,而不会在生成周期变更区块后失败。这一修复对于开发和测试环境尤为重要,确保了测试的连续性和可靠性。
兼容性说明
3.1.0.0.9版本兼容所有3.x.x.x.x系列的链状态目录,用户可以平滑升级而无需担心数据迁移问题。配套的stacks-signer版本为3.1.0.0.9.0,用户需要确保同时更新签名器组件以获得最佳兼容性。
总结
Stacks-core 3.1.0.0.9版本通过多项性能优化和稳定性改进,为网络参与者提供了更好的体验。区块处理速度的提升、更详细的错误信息以及API的增强,都使得这个版本成为值得升级的选择。对于验证者、节点运营者和开发者来说,及时升级到这个版本将有助于获得更稳定、高效的网络体验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00