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。
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