zksync-era项目prover-v21.0.0版本技术解析
zksync-era是一个基于ZK Rollup技术的区块链二层扩容解决方案,它通过零知识证明技术实现了高吞吐量的链下交易处理能力,同时保证了与主网同等级别的安全性。prover作为该项目的核心组件之一,主要负责生成零知识证明,验证交易的有效性。
主要更新内容
协议版本v28支持
本次更新最重要的特性是新增了对Protocol Version v28的支持。在区块链开发中,协议版本的升级往往意味着底层算法或核心逻辑的重大变更。对于零知识证明系统而言,协议升级可能涉及证明电路的优化、新的密码学原语引入或性能改进。
开发团队通过更新依赖库的方式实现了对新协议版本的支持,这需要确保所有相关组件(包括GPU加速模块)都能兼容新的协议规范。这种升级通常会带来证明效率的提升或新功能的引入。
Rust编译器版本升级
项目将Rust编译器版本升级至nightly-2025-03-19。Rust作为系统级编程语言,其nightly版本包含了最新的语言特性和改进。这次升级可能带来了以下优势:
- 性能优化:新版本的编译器可能生成更高效的机器码
- 新语言特性:可以利用最新的Rust特性简化代码或提高安全性
- 工具链改进:配套工具如cargo等可能有更好的构建体验
值得注意的是,使用nightly版本虽然能获得最新特性,但也需要承担更高的不稳定性风险,这表明开发团队对保持技术前沿的积极态度。
重要问题修复
链ID查询优化
修复了在WG(可能指工作组或特定组件)查询中链ID连接的问题。在区块链系统中,链ID是区分不同网络的重要标识符。这个修复确保了在多链环境下的查询准确性,避免了可能出现的跨链数据混淆问题。
证明任务分块处理优化
调整了插入prover jobs时的分块(chunks)数量。在零知识证明生成过程中,合理的数据分块策略对性能有显著影响。过大或过小的分块都可能导致效率低下:
- 分块过大:可能导致内存压力增加,并行度降低
- 分块过小:可能增加管理开销,降低整体吞吐量
这个优化通过调整分块数量,有望提升证明任务的处理效率。
Pod健康检查机制改进
增强了Kubernetes pod的健康检查机制,现在会定期(根据pod_check_interval配置)检查pod列表中的陈旧实例。在分布式证明系统中:
- 及时识别并处理失效pod可以避免资源浪费
- 防止系统为已经不可用的pod分配任务
- 提高整体系统的可靠性和资源利用率
这个改进使得prover在云原生环境中的运行更加健壮。
技术影响分析
这次版本升级从多个维度提升了prover组件的性能和可靠性:
- 功能性:通过支持新协议版本,为系统引入了新的能力或优化
- 稳定性:改进的健康检查机制增强了分布式环境下的容错能力
- 效率:优化的分块策略和链ID查询提升了处理速度
- 开发体验:编译器升级为开发者提供了更现代化的工具链
对于使用zksync-era的开发者而言,升级到这个版本可以获得更稳定高效的证明生成能力,同时为未来可能的协议升级做好准备。需要注意的是,由于包含breaking changes,升级时可能需要相应的适配工作。
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