Lighthouse v7.0.0 版本发布:Electra 硬分叉与重大功能更新
Lighthouse 是以 Rust 语言实现的区块链共识层客户端,由 Sigma Prime 团队开发维护。作为区块链生态中性能优异的客户端选择之一,Lighthouse 以其高效稳定著称,特别适合生产环境部署。本次发布的 v7.0.0 版本是 Lighthouse 的一个重要里程碑,主要引入了区块链 Electra 硬分叉支持,并带来多项功能增强与优化。
核心更新:Electra 硬分叉支持
v7.0.0 版本最重要的更新是对 Electra 硬分叉的全面支持。Electra 是区块链共识层的重大升级,与执行层的 Prague 升级共同构成 Pectra 升级。Electra 的核心特性是引入了"最大有效余额"(Max EB)机制,将单个验证者的最大有效余额从 32 ETH 提升至 2048 ETH。
这一改变将显著提升网络运行效率,降低验证者数量同时保持同等安全级别。更重要的是,Max EB 机制消除了质押激励中的某些中心化因素,使独立验证者也能获得之前仅大型运营商才能享受的复利收益。
验证者可以通过"合并"(consolidation)操作来调整其最大有效余额,这是一种将质押从一个验证者转移到另一个验证者的过程。合并操作通过智能合约调用触发,完全自愿且可选择性执行。对于运行少量验证器的独立运营商,无需强制进行合并操作。
网络协议与性能优化
v7.0.0 在网络协议方面做出了重要改进,默认启用了 IPv6 支持。当检测到全局可路由地址时,Lighthouse 将自动监听 IPv6 连接。对于仅配置 IPv4 的大部分用户,这一变更不会产生影响,但能显著改善已正确配置 IPv6 栈的用户体验。IPv6 默认监听端口已从 9090 改为 9000(与 IPv4 相同),可通过 --port6 标志调整。
在性能方面,v7.0.0 优化了状态缓存机制,默认缓存大小调整为 32,以在非最终性期间更好地控制内存使用。同时改进了状态缓存启发式算法,提升了非最终性期间 BlocksByRange/BlobsByRange 请求的响应效率。对于连接 HTTP API 的服务(如 Rocket Pool 奖励生成、区块浏览器等),建议将 --state-cache-size 设置为更高值(如 128)以获得更好性能。
验证者相关改进
新版本在验证者客户端方面有几个重要更新:
-
Gas Limit 强制执行:Lighthouse 现在会在验证来自外部构建者(如 mev-boost 中继)的执行负载时强制执行 Gas Limit 偏好设置。用户可通过
--gas-limit为连接到 VC 的所有验证器配置 Gas Limit,或在validator_definitions.yml文件中设置单独限制。 -
新增
--disable-attesting标志:允许临时禁用验证者客户端的证明功能,便于维护操作。 -
改进的验证者合并工具:为 Electra 的验证者合并操作提供了更完善的工具链支持。
其他重要特性
-
实验性 redb 数据库后端:新增了对 redb 数据库后端的支持,目前仍处于实验阶段,仅推荐专家用户使用。
-
运行时可信节点管理:新增了运行时动态添加可信节点的 API 接口。
-
完整 Hoodi 测试网支持:新增了
--network hoodi标志以支持 Hoodi 测试网。 -
默认启用轻客户端服务器:轻客户端服务器现在默认启用,无需额外配置。
升级注意事项
-
强制升级:所有主网用户必须在 2025 年 5 月 7 日 Electra 分叉前升级到 v7.0.0 版本,否则需要重新同步链数据。
-
执行客户端兼容性:必须同时升级执行客户端至兼容 Pectra 的版本,包括 Reth v1.3.12、Nethermind v1.31.9、Geth v1.15.9 等。
-
Rust 编译器要求:从源码编译的用户需将 Rust 编译器升级至 1.83.0 或更高版本。
-
IPv6 回退:如需禁用 IPv6,可使用
--listen-address 0.0.0.0标志仅监听 IPv4。 -
状态缓存日志:由于缓存大小调整,可能会看到更多
WARN State cache missed日志,这些警告可安全忽略,将在下个版本中降级为 DEBUG 级别。
总结
Lighthouse v7.0.0 是一个功能丰富且关键的版本更新,不仅为即将到来的 Electra 硬分叉做好准备,还带来了多项网络协议改进和性能优化。对于区块链节点运营商而言,及时升级至该版本至关重要,以确保网络顺利过渡到新的共识机制。新版本在验证者功能、数据库选项和网络协议等方面的增强,进一步巩固了 Lighthouse 作为高效稳定区块链客户端的地位。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00