NEAR Core 2.6.0-rc.1版本发布:全球合约支持与乐观区块优化
NEAR Core是NEAR区块链协议的核心实现,作为一个分片式、开发者友好的区块链平台,NEAR以其独特的夜影分片技术和易用性在区块链领域占据重要地位。本次发布的2.6.0-rc.1版本带来了两项重要的协议升级,将显著提升NEAR网络的功能性和性能表现。
全球合约支持(NEP-591)
本次升级最重要的特性之一是实现了NEP-591方案中描述的全球合约功能。全球合约是一种特殊的智能合约,它可以在所有分片上同时运行,而不需要像普通合约那样被分配到特定分片。
传统上,NEAR的分片架构意味着智能合约只能在其部署的分片上执行。这种设计虽然提高了系统的可扩展性,但也带来了一些限制,特别是对于那些需要跨分片访问的应用场景。全球合约的引入解决了这一问题,使得开发者可以构建更灵活、功能更强大的去中心化应用。
全球合约的实现涉及到底层协议的多项修改,包括合约部署机制、执行上下文管理和跨分片通信等方面。这一特性为NEAR生态系统打开了新的可能性,特别是在以下场景中特别有价值:
- 跨分片资产管理和转移
- 全局状态管理和共享服务
- 网络级基础设施组件
乐观区块优化
另一个重要的协议变更是引入了乐观区块(Optimistic Block)机制,旨在减少区块和分片生产流程中的延迟问题。在之前的实现中,区块和分片的生产流程存在双重执行延迟的问题,这在一定程度上限制了网络的吞吐量和响应速度。
乐观区块的工作原理是允许区块生产者在验证完当前区块后立即开始生产下一个区块,而不需要等待所有分片的完整验证结果。这种优化可以显著减少区块生产的整体延迟,提高网络的整体性能。
具体来说,这项改进:
- 减少了区块确认时间
- 提高了网络的吞吐量
- 优化了资源利用率
数据库迁移与升级注意事项
2.6.0-rc.1版本包含了从数据库版本43到44的迁移。这一迁移过程在测试网验证节点和RPC节点上大约需要5秒,在归档节点上则需要约60秒。值得注意的是,迁移过程中不需要额外的磁盘空间。
对于需要从2.6版本回滚到2.5版本的用户,项目团队提供了专门的恢复工具和流程。恢复操作需要使用neard database rollback-to25命令,并且必须在协议升级完成前执行。恢复过程可能需要较长时间处理大型归档数据库,用户需要保持耐心等待过程完成。
协议升级时间表
根据发布说明,协议版本77的投票将于2025年4月14日19:00 UTC开始,预计升级将在12-24小时后,即2025年4月15日7:00至19:00 UTC之间进行。升级完成后,节点运营者需要按照团队提供的指导更新某些配置值,以优化区块生产速率。
总结
NEAR Core 2.6.0-rc.1版本的发布标志着NEAR协议在功能和性能上的又一次重要进步。全球合约的支持为开发者提供了更强大的工具,而乐观区块优化则进一步提升了网络的效率。这些改进共同推动NEAR向更高效、更灵活的区块链平台发展,为构建下一代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