Sui区块链测试网v1.44.2版本技术解析
Sui是由Mysten Labs开发的高性能Layer1区块链,采用基于对象的数据模型和Move智能合约语言,旨在为下一代去中心化应用提供快速、安全和可扩展的基础设施。本次发布的testnet-v1.44.2版本包含多项重要协议升级和功能改进,下面我们将从技术角度深入分析这些更新。
协议层关键升级
本次版本将协议版本升级至76,主要包含以下核心改进:
-
Passkey支持增强:在测试网环境中全面启用了Passkey功能,这是一种更安全的身份验证机制。特别值得注意的是,该版本还在多重签名(multisig)功能中加入了Passkey支持,通过特定的功能标志控制,目前已在开发网和测试网环境中启用。
-
Deepbook V2迁移:对Sui内置的去中心化交易平台Deepbook进行了重要调整,正式弃用Deepbook V2版本的大部分功能,仅保留了取消订单和资金提取两个关键操作。这一变化意味着项目正在推动用户向更新的版本迁移。
-
共识机制优化:引入了共识垃圾回收机制和新的提交规则,这是对Sui共识算法的重要改进。垃圾回收机制有助于减少节点存储的历史数据量,而新的提交规则则可能优化了区块确认流程,这些改变共同提升了网络的整体效率。
GraphQL接口变更
在API层面,本次版本移除了ObjectFilter中的objectKeys字段,这是继之前发布弃用通知后的正式移除动作。开发者现在需要使用multiGetObjects接口来获取多个对象数据。这一变更简化了API设计,统一了多对象查询的方式。
命令行工具(CLI)增强
Sui CLI工具在此版本中获得了多项实用改进:
-
智能依赖管理:sui client publish/upgrade命令现在默认会移除源代码中未引用的依赖项,避免将无用依赖发布到链上。这一改进显著提升了发布效率,减少了链上存储的冗余。
-
PTB(Programmable Transaction Blocks)增强:sui client ptb命令现在支持将sui::object::ID值作为纯输入创建交易。ID输入可以像地址一样以十六进制数表示(带@前缀),其类型会根据使用场景自动推断。这一改进简化了复杂交易的构建过程。
技术影响与开发者建议
对于基于Sui开发的DApp项目,需要注意以下几点:
-
如果应用使用了Deepbook V2的功能(除取消和提取外),需要尽快迁移到新版本接口。
-
使用GraphQL查询多对象的代码需要检查是否依赖了objectKeys字段,必要时改用multiGetObjects接口。
-
利用新的CLI功能可以优化发布流程,特别是在处理依赖关系时能自动保持精简。
-
Passkey支持的扩展为应用提供了更强大的身份验证选项,特别是在多重签名场景下安全性得到提升。
这个版本的发布体现了Sui团队对网络性能和安全性的持续优化,同时也展示了对开发者体验的重视。建议测试网用户及时升级节点和工具链,以体验这些新功能和改进。
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