Plutus项目中的quotientInteger成本模型问题解析
背景介绍
在Plutus智能合约平台中,内置函数quotientInteger的成本模型实现存在一个值得关注的技术细节。这个函数用于计算两个整数的商,其成本计算方式直接影响着智能合约执行时的资源消耗评估。
成本模型问题分析
Plutus执行引擎使用不同的成本模型来评估内置函数的执行开销。对于quotientInteger函数,成本模型被标记为"constant above diagonal"(对角线上方为常数),这实际上是一个正确的设计选择,尽管初看起来可能令人困惑。
当计算quotientInteger x y时,如果x的位大小小于y(即在对角线上方),结果通常为0,计算过程非常简单。相反,如果x的位大小大于y(对角线下方),则需要执行更复杂的除法运算。因此,"constant above diagonal"的模型准确地反映了这一计算特性。
成本模型实现细节
Plutus项目中有多个成本模型文件(builtinCostModelA、builtinCostModelB和builtinCostModelC),它们分别对应不同的协议版本和Plutus语言版本:
- builtinCostModelA:用于PlutusV1和PlutusV2脚本,在Chang硬分叉前(协议版本<9)
- builtinCostModelB:用于PlutusV1和PlutusV2脚本,在Chang硬分叉后(协议版本≥9)
- builtinCostModelC:专用于PlutusV3脚本(仅存在于协议版本≥9)
这种多版本成本模型的并存增加了系统的复杂性,未来团队计划统一这些模型以简化维护。
开发实践中的发现
在第三方实现(如OpShin和Aiken)中,开发人员曾对quotientInteger的成本模型产生过疑问。特别是在OpShin的实现中,最初错误地实现了"constant above diagonal"逻辑,导致测试失败。这一问题的发现凸显了正确理解成本模型的重要性。
测试覆盖建议
当前的测试用例主要覆盖了对角线下方的复杂计算场景,建议增加对角线上方的测试案例,以验证成本模型在所有情况下的正确性。这将有助于未来实现者避免类似的实现错误。
总结
Plutus的成本模型系统是一个复杂但精妙的设计,quotientInteger函数的成本模型实现体现了对计算特性深入理解后的优化选择。随着Plutus平台的演进,成本模型系统有望变得更加统一和简化,但当前的多版本并存状态需要实现者特别注意。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00