Sui测试网v1.45.0版本深度解析
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。近日,Sui测试网发布了v1.45.0版本更新,带来了一系列协议改进和功能增强,本文将深入解析这一版本的技术亮点。
协议层重大升级
本次更新将Sui协议版本提升至78,包含了多项核心改进:
-
共识机制优化:测试网启用了共识垃圾回收机制和新的提交规则,这一改进将显著提升网络处理效率,减少不必要的资源消耗。垃圾回收机制能够自动清理过期的共识数据,而新的提交规则则优化了交易确认流程。
-
原生交易上下文支持:新增协议版本引入了对原生交易上下文和赞助(sponsor)功能的支持。这一特性为开发者提供了更灵活的交易构建方式,特别是对于需要复杂交互场景的DApp开发具有重要意义。
-
拥塞控制增强:测试网启用了新的"ExecutionTimeEstimate"模式用于拥塞控制。该模式通过更精确地估算交易执行时间,能够更有效地管理网络负载,防止网络拥塞,确保在高流量情况下的稳定运行。
开发者工具与接口改进
-
JSON-RPC增强:在dry run交易中现在会返回更详细的错误源信息,这大大提升了开发调试效率。开发者可以更快速地定位和解决交易执行中的问题。
-
CLI工具优化:
- 现在当Move.toml中未包含系统包依赖时,CLI会自动隐式添加对MoveStdLib、Sui、System、DeepBook和Bridge等系统包的依赖,简化了项目配置流程。
- 移除了sui console命令,这是工具链精简的一部分,开发者应使用其他替代方式实现类似功能。
-
GraphQL稳定性提升:修复了分区推进中的稳定性问题,虽然不影响接口本身,但提升了后端服务的可靠性。
技术影响与开发者建议
-
性能优化:新的共识机制和拥塞控制算法将显著提升测试网的吞吐量和响应速度,开发者可以预期更稳定的网络性能。
-
开发体验提升:自动依赖管理和更详细的错误信息将大幅降低开发门槛,特别是对于刚接触Sui生态的开发者更为友好。
-
兼容性考虑:虽然本次更新引入了协议版本变更,但保持了良好的向后兼容性。开发者应注意CLI工具的变更,特别是sui console命令的移除,需要调整相关开发流程。
-
测试建议:由于引入了原生交易上下文等新特性,建议开发者在测试环境中充分验证相关功能,特别是涉及复杂交易场景的应用。
总结
Sui测试网v1.45.0版本通过协议层的多项优化和开发者工具的改进,进一步提升了网络的性能和开发体验。这些变化体现了Sui团队对网络基础设施持续优化的承诺,也为即将到来的主网升级奠定了基础。开发者可以利用这些新特性构建更高效、更复杂的去中心化应用,推动Sui生态的进一步发展。
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