Sui区块链开发网络v1.40.0版本技术解析
Sui是由Mysten Labs开发的高性能区块链平台,采用基于对象的数据模型和独特的共识机制,旨在为去中心化应用提供快速、安全和可扩展的基础设施。Sui的架构设计使其特别适合处理高频交易和复杂状态变化的场景,如游戏、社交网络和金融应用。
协议层升级
本次发布的devnet-v1.40.0版本将Sui协议版本提升至71,主要引入了SIP-45改进方案的指标和协议配置变更。这些改进为网络性能监控和协议参数调整提供了更精细的控制能力,使开发者能够更好地理解和优化系统行为。
GraphQL接口增强
在GraphQL接口方面,本次更新对verifyZkloginSignature函数进行了重要调整,现在将bytes和signature参数视为交易负载的一部分,这有助于更合理地管理请求负载大小限制,提高系统稳定性。
另一个显著改进是新增了multiGetObjects顶级查询功能,这一功能将逐步取代objects中的对象过滤器,为开发者提供更高效的对象批量查询能力。这种设计优化了数据检索流程,减少了网络请求次数,提升了应用性能。
命令行工具(CLI)优化
针对开发者体验,本次更新修复了sui client ptb --dev-inspect命令的一个关键问题。现在该命令能够正确显示开发检查(dev inspect)的结果,为开发者提供了更准确的调试信息,简化了智能合约和交易构建的测试流程。
Rust SDK改进
Rust SDK新增了build_mainnet函数,作为SuiClientBuilder的一部分。这一改进使得开发者能够更方便地构建与主网交互的客户端,简化了网络配置流程,提高了开发效率。
索引器功能扩展
在索引器方面,本次更新为Deepbook(去中心化交易协议)添加了多项重要功能:
- Ticker端点:提供了市场行情数据接口,使开发者能够获取最新的交易对信息。
- 余额管理器交易量端点:新增了按资金池名称查询交易量的功能,为流动性分析提供了更细粒度的数据支持。
- DEEP供应端点:新增了深度流动性供应数据接口,帮助开发者更好地理解市场深度和流动性分布。
这些索引器功能的增强为构建去中心化金融应用提供了更丰富的数据支持,使开发者能够创建更复杂的交易策略和流动性分析工具。
总结
Sui devnet-v1.40.0版本在协议层、开发者工具和基础设施方面都带来了显著改进。从协议配置的精细化控制到开发者体验的优化,再到去中心化交易协议功能的扩展,这些更新共同提升了Sui生态系统的整体性能和可用性。对于开发者而言,新版本提供了更强大的工具集和更丰富的功能接口,为构建高性能去中心化应用奠定了更坚实的基础。
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