Namada项目v0.150.0版本重要更新解析
项目简介
Namada是一个专注于隐私保护的区块链项目,采用零知识证明技术实现资产交易的隐私性。该项目通过多资产屏蔽池(MASP)机制,为用户提供跨资产的隐私交易功能。最新发布的v0.150.0版本在隐私交易、跨链互操作性和系统稳定性方面都有显著改进。
核心功能优化
隐私交易增强
本次更新对MASP(多资产屏蔽池)功能进行了多项优化。首先改进了屏蔽费用支付的用户体验,现在当原子批处理交易失败时,系统能够更清晰地显示交易结果,包括屏蔽费用支付的状态。其次优化了屏蔽账户变更计算逻辑,确保在所有屏蔽输入构建完成后才计算变更,减少了不必要的变更浪费。
在性能方面,交易中的转移目标(来源+目标)数量现在被限制为20个,这一调整有助于控制交易复杂度,提升网络整体性能。同时,权益证明(PoS)的奖励领取交易也进行了gas优化,降低了用户操作成本。
跨链互操作性改进
在跨链功能方面,更新了与Osmosis链的交互方式。现在查询Osmosis SQS服务器时使用ICS-20追踪路径哈希而非路径本身,这一改变提高了跨链查询的效率和安全性。同时将Hermes中继器版本升级至v1.13.0,增强了IBC(跨链通信)功能的稳定性和兼容性。
安全性与稳定性提升
安全增强措施
新版本引入了公钥唯一性强制检查,确保在交易签名过程中使用的公钥都是唯一的,这一措施有效防止了某些类型的重放攻击。同时,系统现在禁止从PGF(公共物品基金)和治理账户向非原生代币进行信用操作,这一限制增强了系统的财务安全性。
错误处理改进
在错误处理方面,当验证谓词(VP)拒绝交易时,系统现在会包含拒绝VP的地址和错误信息,特别是在MASP费用支付场景中,这大大提升了调试和问题诊断的效率。此外,修复了原生运行时ABI设置为C-unwind的问题,增强了系统的稳定性。
开发者相关更新
迁移功能扩展
为支持可能的网络升级,新版本扩展了迁移功能。现在允许重置原生代币和其他Namada地址的奖励。同时提供了一个示例性的硬分叉迁移实现,展示了如何迁移交易WASM代码。开发者还可以通过新增的示例迁移立即更改epoch持续时间,为网络参数调整提供了更多灵活性。
SDK改进
软件开发工具包(SDK)方面,强化了签名验证逻辑,确保公钥唯一性。同时简化了交易参数,现在signatures和gas-signature参数仅适用于custom类型交易,且当提供gas签名时不允许再指定gas支付者,这一改变使API设计更加合理。
测试覆盖增强
测试方面新增了多项集成测试,特别是针对MASP事件和失败原子批处理中屏蔽费用支付的场景。通过降低"tricky_masp_txs"测试用例的epoch速度,减少了测试的随机失败概率。还实现了设置屏蔽奖励参数的迁移测试,确保相关功能的可靠性。
总结
Namada v0.150.0版本通过多项技术改进,在隐私保护、跨链互操作性和系统安全性方面都有显著提升。特别是对MASP功能的优化,使隐私交易体验更加流畅和安全。这些改进不仅增强了现有功能,也为未来的网络升级和功能扩展奠定了坚实基础。开发者可以充分利用新的迁移功能和测试工具,构建更安全可靠的隐私保护应用。
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-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