Plutus 1.46.0.0 版本发布:核心编译器优化与GHC版本升级
Plutus 是 Cardano 区块链平台的智能合约开发框架,它基于 Haskell 语言构建,为开发者提供了在区块链上编写安全、可靠智能合约的工具链。本次发布的 1.46.0.0 版本带来了多项重要改进,主要集中在编译器优化和开发环境升级方面。
GHC 版本支持调整
本次更新最显著的变化是移除了对 GHC 8.10 的支持。GHC (Glasgow Haskell Compiler) 是 Haskell 的主要编译器,Plutus 框架基于它构建。现在,Plutus 主要支持 GHC 9.6 版本,同时兼容 9.8 和 9.10 版本。值得注意的是,plutus-tx-plugin 组件目前仅支持 GHC 9.6 版本。
这种版本调整反映了项目对现代化开发环境的追求,新版本 GHC 带来了更好的性能、更丰富的语言特性和更完善的工具支持。开发者需要相应升级他们的开发环境以适配这些变化。
编译器优化改进
Plutus-core 组件在本版本中实现了多项编译器优化:
-
条件分支中的延迟取消:在 #7042 变更中,实现了当延迟出现在 ifThenElse 条件分支下时的强制取消机制。这项优化可以减少不必要的计算延迟,提高合约执行效率。
-
日志保留与内联优化:当禁用日志保留功能时,编译器现在会对那些被确定为最终会被求值的"不纯"项进行内联优化。这种优化策略可以显著减少运行时开销,提升合约性能。
-
严格性分析增强:PIR 的 StrictifyBindings 过程现在加入了更强大的严格性分析能力,能够识别并优化更多非严格绑定,进一步降低运行时开销。
字符串处理修复
plutus-tx-plugin 组件修复了 HEX 编码字符串字面量的处理问题。在之前的版本中,某些情况下会导致出现"Use of fromString @ PlutusTx.Builtins.HasOpaque.BuiltinByteStringHex with inscrutable content"错误。这一修复使得开发者能够更可靠地处理十六进制编码的字节串。
对开发者的影响
对于使用 Plutus 进行智能合约开发的团队,本次更新需要注意以下几点:
-
开发环境需要升级到支持的 GHC 版本(9.6、9.8 或 9.10),特别是如果之前使用的是 8.10 版本。
-
编译器优化可能会影响合约的 gas 消耗计算,建议在升级后重新测试合约性能。
-
HEX 字符串处理的修复解决了之前的一些边界情况问题,开发者可以更放心地使用相关功能。
-
严格性分析的增强意味着编译器能够生成更高效的代码,但开发者也需要更注意代码中的严格性语义。
总体而言,Plutus 1.46.0.0 版本通过底层编译器的持续优化和开发环境的现代化,为 Cardano 智能合约开发者提供了更强大、更可靠的开发工具链。这些改进将有助于开发出性能更好、成本更低的智能合约应用。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00