Sui区块链devnet-v1.44.0版本技术解析
Sui是一个由Mysten Labs开发的高性能区块链平台,专注于提供快速、安全和可扩展的去中心化应用解决方案。Sui采用独特的对象中心模型和并行执行架构,使其在交易处理速度和吞吐量方面具有显著优势。本文将深入分析Sui最新发布的devnet-v1.44.0版本的技术更新内容。
协议层重大升级
本次版本将协议版本升级至76,引入了几项关键改进:
-
Passkey支持扩展:在测试网络(testnet)中启用了Passkey功能,这是一种更安全的身份验证机制。同时,开发网络(devnet)和测试网络(testnet)中还特别启用了多签(multisig)中的Passkey功能,为高级安全场景提供了支持。
-
Deepbook V2迁移:对Sui框架中的Deepbook V2进行了重大调整,除了取消和提款功能外,其他功能均已弃用。这是平台持续优化其金融基础设施的一部分。
-
共识机制优化:启用了共识垃圾回收机制和新的提交规则,这将显著改善网络的资源利用率和整体性能。垃圾回收机制有助于清理不再需要的共识数据,而新的提交规则则优化了交易确认流程。
JSON-RPC接口改进
在开发者接口方面,对Move枚举类型的返回顺序进行了标准化处理。现在,枚举变体将按照其在源代码中的声明顺序返回,而不是之前的字典序排列。这一变更虽然看似微小,但对于依赖枚举顺序的客户端应用来说具有重要意义,确保了行为的一致性。
GraphQL服务调整
根据先前的弃用通知,本次更新正式移除了ObjectFilter中的objectKeys字段。开发者现在应该使用multiGetObjects接口来获取多个对象。这一变更简化了API设计,同时鼓励开发者使用更高效的批量查询方法。
命令行工具(CLI)增强
Sui CLI工具在此版本中获得了多项实用改进:
-
智能依赖管理:sui client publish/upgrade命令现在默认会移除源代码中未引用的依赖项,避免将不必要的依赖发布到链上。这一优化减少了链上存储的冗余数据,降低了开发者的存储成本。
-
PTB(Programmable Transaction Blocks)增强:sui client ptb现在支持将sui::object::ID值作为纯输入创建交易。ID输入可以像地址一样指定(以@开头的十六进制数),其类型会根据使用场景自动推断。这一改进简化了涉及对象ID的复杂交易构建过程。
技术影响与开发者建议
对于Sui生态开发者而言,本次更新需要注意以下几点:
-
如果应用依赖枚举顺序,需要检查JSON-RPC返回的枚举值顺序变更是否会影响业务逻辑。
-
使用GraphQL服务的应用应当完成从objectKeys到multiGetObjects的迁移,以确保兼容性。
-
发布或升级合约时,新的依赖管理行为可能导致之前隐式依赖的库不再可用,需要显式声明所有必要的依赖。
-
对于使用Deepbook V2的应用,需要规划迁移路径,保留必要的取消和提款功能。
Sui团队通过这些更新持续优化平台性能和开发者体验,同时保持对安全性的高度关注。Passkey支持的扩展和共识机制的改进尤其值得关注,它们代表了区块链基础设施在易用性和效率方面的前沿进展。
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