WalletConnect/web3modal 1.7.5版本更新解析:钱包连接与Web3交互的全面优化
WalletConnect/web3modal是一个广受欢迎的Web3钱包连接解决方案,它简化了DApp与各种区块链钱包的集成过程。作为一个开源项目,它提供了跨平台、跨钱包的统一连接接口,让开发者可以轻松实现用户与区块链应用的交互。
核心功能改进
钱包连接过滤逻辑优化
本次更新重点修复了移动设备上钱包列表的显示问题。现在系统会严格检查钱包是否具有有效的mobile_link属性,确保只有真正支持移动端的钱包才会在移动设备上显示。这一改进显著提升了移动端用户的体验,避免了用户选择不兼容钱包的情况。
对于开发者而言,excludeWalletIds参数现在能够正确地在API请求中设置,这为定制化钱包列表提供了更精确的控制能力。
账户状态管理增强
在账户状态管理方面,1.7.5版本解决了几个关键问题:
- 修复了网络切换时账户状态被错误覆盖的问题,现在切换网络时会保留原有的账户状态
- 优化了connected wallet信息状态处理,当找不到连接器或提供程序时,会回退使用连接器ID
- 解决了钱包信息在wagmi中刷新时同步错误的问题
这些改进使得账户状态管理更加稳定可靠,减少了因状态不一致导致的用户体验问题。
交易与余额相关优化
交易流程改进
新版本对交易流程进行了多项优化:
- 修复了发送流程交易后余额更新不及时的问题,确保用户能立即看到最新的资产状态
- 改进了发送流程地址输入逻辑,使其对用户输入响应更加准确可靠
- 为开发者新增了fetchBalance方法,方便在交易完成后手动触发余额更新
资产交换功能增强
在资产交换功能方面,更新增加了对资产元数据的预过滤支持。系统现在可以基于支持的资产预先过滤数据,提高了交换功能的可用性和性能。
钱包适配器改进
多链支持优化
1.7.5版本对多链支持进行了多项改进:
- 修复了Phantom移动钱包在EVM/Bitcoin链上的重定向问题
- 升级了相关依赖包到最新版本
- 增强了Blockchain API的网络支持查询容错能力
钱包连接技术升级
钱包连接技术栈也获得了重要更新:
- 升级了WalletConnect相关依赖到最新版本
- 修复了wagmi适配器获取provider的方式,现在使用专用的.getProvider()API
- 确保defaultAccountTypes参数被正确遵守
社交登录与用户体验
在社交登录方面,1.7.5版本移除了冗余的后端调用,优化了数据获取流程。同时根据新接收的数据调整了钱包schema,提高了数据处理的效率。
对于移动端用户,系统现在会优先尝试深度链接,当深度链接无效时自动回退到通用链接(Universal Link),大大提高了移动端钱包连接的可靠性。
总结
WalletConnect/web3modal 1.7.5版本通过一系列精细化的改进,显著提升了钱包连接的稳定性和用户体验。从核心的连接逻辑到交易流程,从多链支持到移动端优化,这次更新覆盖了Web3交互的多个关键环节。对于开发者而言,这些改进意味着更少的边缘情况处理和更高的集成可靠性;对于最终用户,则意味着更流畅、更可靠的区块链应用体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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