Matic Network Bor项目v2.2.0-beta版本发布:支持Heimdall v2迁移的关键更新
Matic Network(现更名为Polygon)是一个构建在区块链网络之上的Layer 2扩展解决方案,而Bor则是其核心组件之一,负责处理区块生产和交易执行。作为Polygon网络的共识层客户端,Bor基于Go Ethereum(Geth)代码库进行了优化和改进,专门为Polygon的侧链架构设计。
本次发布的v2.2.0-beta版本是一个重要的预发布版本,专门为Amoy测试网络准备,目的是支持即将到来的Heimdall(Polygon的验证层)从v1到v2的重大迁移。这个版本包含了多项关键改进,确保在迁移过程中网络的稳定性和兼容性。
版本核心特性
-
Heimdall v1/v2双版本兼容性:此版本最大的改进是实现了对Heimdall v1和v2的双向兼容,确保在迁移过程中无论节点运行哪个版本的Heimdall,Bor都能正常工作。
-
独立运行能力增强:特别优化了Bor在Heimdall服务不可用时的独立运行能力。考虑到Heimdall迁移预计会造成约2小时的服务中断(UTC时间2025年6月24日19:00-21:00),这一改进尤为重要。
-
测试网络专用:明确标注为"-beta"后缀,表示此版本专为Amoy测试网络设计,不会部署在主网上,体现了Polygon团队对生产环境的谨慎态度。
技术实现细节
在底层实现上,开发团队主要做了以下工作:
- 重构了与Heimdall的通信接口,使其能够识别和处理两种不同版本的协议
- 增强了状态同步机制,确保在Heimdall服务中断期间,Bor节点能够继续处理交易和出块
- 优化了错误处理逻辑,使系统能够更优雅地处理Heimdall服务不可用的情况
部署建议
对于运行在Amoy测试网上的节点运营商,Polygon团队强烈建议:
- 所有节点必须在迁移前升级到此版本
- 升级时间最好安排在维护窗口期之前,确保系统有足够时间稳定运行
- 升级后应密切监控节点日志,特别是与Heimdall通信相关的部分
总结
v2.2.0-beta版本的发布标志着Polygon网络基础设施向更现代化架构迈进的重要一步。通过这次Heimdall v2的迁移,Polygon网络将获得更好的性能、更高的安全性和更强的可扩展性。作为网络核心组件的Bor能够提前做好兼容性准备,体现了Polygon团队对网络升级流程的周密规划和执行能力。
对于开发者而言,这次更新不会影响智能合约和DApp的运行,但节点运营商需要按时完成升级以确保服务的连续性。Polygon团队通过专门的测试网络先行验证这一重大变更,也展现了其对网络稳定性的高度重视。
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