Aptos Core项目发布v1.28.7版本:账户抽象与性能优化详解
Aptos Core是一个高性能的Layer1区块链项目,采用Move语言作为智能合约开发语言,以其创新的并行执行引擎和模块化架构著称。该项目由前Meta(原Facebook)Diem团队成员开发,旨在构建一个安全、可扩展的区块链基础设施。
账户抽象功能升级
本次发布的v1.28.7版本引入了可派生账户抽象(Derivable Account Abstraction, DAA)这一重要特性。这是对传统账户模型的一次重大革新,允许用户通过抽象公钥和认证函数的组合来派生账户地址。
具体来说,DAA方案使得开发者可以:
- 使用任意类型的公钥(如RSA公钥)作为账户标识基础
- 定义自定义的认证逻辑(如特定的签名验证算法)
- 通过确定性算法生成对应的区块链账户地址
这种设计极大地扩展了区块链账户的使用场景,使得传统Web2应用可以更平滑地迁移到区块链上,同时也为多因素认证等复杂安全模型提供了可能性。
密码学功能增强
在密码学方面,本次更新带来了两个重要改进:
-
批量Pedersen承诺验证:在ristretto_bulletproofs.move模块中新增了支持批量验证Pedersen承诺的功能。Pedersen承诺是一种重要的密码学原语,常用于隐私保护场景。批量验证可以显著减少需要验证多个承诺时的计算开销。
-
secp256k1恢复函数优化:对secp256k1椭圆曲线的ECDSA签名恢复函数进行了改进,提供了更详细的错误代码,这将帮助开发者更准确地诊断和处理签名验证失败的情况。
代币与资产管理系统改进
-
特殊绑定代币(SBT)安全销毁:实现了AIP-109方案,允许安全销毁不需要的特殊绑定代币。特殊绑定代币是一种不可转让的NFT,常用于身份认证等场景。这一改进解决了之前SBT无法被销毁可能导致的状态膨胀问题。
-
代币符号长度扩展:将代币符号的最大长度从原来的限制扩展到了32字节,为更复杂的代币命名提供了灵活性。
-
事件系统优化:暂停了coin事件的迁移过程,并添加了FA存储删除时的事件通知,增强了系统的可观测性。
性能与存储优化
在节点性能方面,本次更新包含了两项重要改进:
-
状态缓存机制:显式地将最近访问的状态项缓存到内存映射中,这将显著减少频繁访问数据时的磁盘I/O开销,提升节点响应速度。
-
账本修剪窗口调整:将默认的账本修剪窗口缩小至1亿个版本,这一调整可以显著减少节点的磁盘空间占用,特别是对于全节点运营者来说将大大降低存储成本。
总结
Aptos Core v1.28.7版本在账户抽象、密码学功能、代币管理和节点性能等多个方面都带来了实质性改进。特别是可派生账户抽象的引入,为区块链账户模型开辟了新的可能性,将使Aptos生态系统能够支持更丰富的应用场景。同时,性能优化措施也体现了项目团队对节点运营者实际需求的关注。这些改进共同推动Aptos向成为更高效、更灵活的区块链基础设施的目标迈进。
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- 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
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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