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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00