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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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