Hardhat 3.0.0-next.7 版本更新解析
Hardhat 是一个专为区块链开发者设计的开发环境,它提供了编译、部署、测试和调试智能合约的一整套工具链。作为区块链生态中最流行的开发框架之一,Hardhat 正在向 3.0 版本迈进,本次发布的 3.0.0-next.7 是 3.0 版本的一个 Alpha 预发布版本,包含了一些重要的改进和错误修复。
核心变更与功能增强
网络连接接口重构
本次更新对 hre.network.connect() 方法的签名进行了重构,现在它接受一个参数对象而不是直接参数。这一变更使得 API 更加灵活和可扩展,为未来可能添加的新功能预留了空间。开发者现在需要按照新的方式调用该方法:
// 旧方式(不再支持)
hre.network.connect("http://localhost:8545");
// 新方式
hre.network.connect({ url: "http://localhost:8545" });
JSON RPC 处理改进
修复了 JSON RPC 处理器中未定义参数的处理问题。现在,当 RPC 请求中包含未定义的参数时,系统能够正确处理而不会抛出异常。这一改进增强了框架的健壮性,特别是在处理来自不同客户端或工具的 RPC 请求时。
交易哈希错误修复
移植了一个关于交易哈希处理的错误修复到 v3 版本中。这个修复确保了交易哈希在各种情况下的正确生成和验证,特别是在涉及复杂交易场景时。
Solidity 编译输出配置
现在开发者可以在 Hardhat 配置中更灵活地配置 Solidity 编译器的输出选择。这一改进允许开发者精确控制编译后生成的输出内容,满足特定项目需求或优化构建过程。
开发者体验优化
Ignition 部署默认设置
Ignition 部署现在默认使用生产构建,这有助于减少部署过程中的潜在问题,并确保生产环境的一致性。开发者仍然可以根据需要覆盖这一默认设置。
测试报告错误信息改进
Hardhat Node 测试报告现在为正则表达式匹配断言失败提供了更清晰的错误信息。这使得在测试失败时,开发者能够更快地定位问题所在,特别是在使用正则表达式进行复杂匹配的场景中。
命令行参数解析增强
现在支持在命令行中使用等号形式指定选项(如 --option=123)。这一改进使得命令行参数传递更加灵活,与许多其他工具的参数传递方式保持一致,提高了开发者的使用体验。
项目初始化改进
修复了 init 任务中关于项目文件夹创建的问题。现在,如果指定的项目文件夹不存在,Hardhat 会自动创建它,简化了项目初始化的流程。
网络配置增强
网络配置中的 chains 字段已被重命名为 chainDescriptors,并添加了额外的信息,包括链名称和区块浏览器。这一变更使得网络配置更加语义化,同时提供了更多有用的元数据,便于开发者理解和配置不同的区块链网络。
总结
Hardhat 3.0.0-next.7 虽然是一个预发布版本,但包含了许多重要的改进和错误修复,这些变更主要集中在提升开发者体验、增强框架稳定性和扩展配置灵活性方面。对于正在考虑升级到 Hardhat 3.0 的开发者来说,这个版本值得关注,特别是那些需要更精细控制 Solidity 编译输出或使用复杂网络配置的项目。
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