Polkadot-js API v16.0.1发布:元数据升级与功能增强
Polkadot-js API作为连接JavaScript应用与Polkadot/Substrate区块链网络的重要桥梁,其最新版本v16.0.1带来了重要的元数据规范升级和功能增强。本文将深入解析这次更新的技术细节及其对开发者的影响。
元数据v16的重大变更
本次更新的核心在于对元数据v16规范的支持,这标志着Polkadot生态系统在类型系统和交易处理方面的重要演进。
移除的字段与替代方案
在元数据定义中,多个字段被移除或重构:
-
type字段:这个曾经用于标识类型的字段已被完全移除。开发者需要适应新的类型识别机制,这反映了Polkadot类型系统向更精确和结构化方向的演进。
-
version字段:原先存在于ExtrinsicMetadata中的版本字段被更强大的versions数组所取代。现在系统可以声明支持多个版本(Vec),而不是单一版本,这为网络升级和版本兼容提供了更大的灵活性。
-
extraType字段:这个辅助类型字段也被移除,表明元数据定义正在变得更加精简和明确。
-
signedExtensions:这个重要的交易扩展字段被两个更结构化的替代方案取代:
transactionExtensions:提供更规范的扩展定义方式transactionExtensionsByVersion:实现了版本到活动扩展的映射
这些变更虽然带来了短期适配成本,但长期来看将使元数据更加规范化和可扩展。
新增功能与改进
除了元数据升级外,v16.0.1还引入了以下重要功能:
-
dryRunApi v2接口:新增了模拟执行API的第二个版本,为开发者提供了更强大的交易预执行和验证能力。这对于构建需要预估gas费用或验证交易可行性的应用特别有价值。
-
AssetHub类型增强:专门为AssetHub添加了类型增强支持,这表明Polkadot-js API正在针对特定应用场景进行优化。AssetHub作为Polkadot生态中的重要资产中心,这一改进将显著提升相关开发体验。
-
依赖项升级:polkadot/common升级至13.5.1版本,带来了底层库的性能改进和安全修复。
开发者适配建议
对于正在使用Polkadot-js API的开发者,特别是那些直接处理元数据的项目,需要注意:
- 检查代码中是否使用了被移除的字段,并按照新规范进行重构
- 考虑使用新的transactionExtensions机制来处理交易扩展
- 评估dryRunApi v2是否能为应用带来更好的开发体验
- 如果项目涉及AssetHub,可以利用新的类型增强功能
这次更新虽然包含破坏性变更,但为Polkadot生态的长期发展奠定了更好的基础。开发者应当将其视为提升应用健壮性和未来兼容性的机会。
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