Ordinals项目0.23.0版本发布:增强预览功能与API改进
Ordinals是一个基于区块链网络的协议,它允许用户在区块链的最小单位聪(satoshis)上刻录数据,实现非同质化代币(NFT)的功能。这个项目为区块链生态带来了全新的应用场景,使得每个聪都可以携带独特的内容和元数据。
核心功能更新
预览与缩略图功能优化
0.23.0版本对预览功能进行了显著改进,现在系统能够明确区分预览图和缩略图两种展示形式。预览图用于展示内容的完整视图,而缩略图则作为快速浏览的小尺寸版本。为了提升用户体验,所有缩略图现在都带有边框设计,使界面更加整洁美观。
对于iframe类型的媒体内容,新版增加了包装层处理,确保这些内容在预览页面中能够正确显示和运行。这一改进特别适用于嵌入视频、音频等多媒体内容的情况。
音频格式支持扩展
开发团队注意到OGG音频格式在区块链铭文中的使用需求,因此在0.23.0版本中增加了对audio/ogg内容类型的识别支持。现在系统能够正确识别并处理这种格式的音频文件,为用户提供了更广泛的媒体支持。
API接口增强
交易确认与输出状态
API现在提供了更详细的交易确认信息,修复了输出页面中关于交易是否已花费的状态显示问题。这一改进使得开发者能够更准确地追踪交易状态,构建更可靠的应用程序。
递归端点扩展
项目新增了几个递归API端点,包括:
- 通过sat编号和索引获取特定聪的内容
- 查询特定铭文的父级铭文列表
- 递归获取sat在特定索引处的内容
这些端点为开发者提供了更灵活的数据查询方式,使得构建复杂的应用逻辑成为可能。
铭文画廊功能
0.23.0版本引入了铭文画廊功能,为用户提供了一种全新的方式来浏览和展示他们的区块链铭文收藏。这一功能预计将大大提升Ordinals生态的内容展示体验。
性能与稳定性改进
项目升级了底层数据库引擎redb至2.4.0版本,显著提高了在区块链重组(reorg)情况下的性能表现。同时,团队优化了SameSat模式下的指针处理逻辑,避免了不必要的指针移动,提升了系统效率。
开发者体验优化
为了支持更广泛的开发场景,0.23.0版本放宽了CORS(跨域资源共享)策略,现在允许更多类型的跨域请求,包括POST请求和特定的内容类型。此外,团队重构了部分代码结构,将ParsedEnvelope和Envelope等关键类设为公开,方便开发者进行更深入的集成开发。
文档与示例完善
开发团队持续改进项目文档,修正了度数表示法的示例错误,优化了预览页面的标题显示,并简化了递归API的示例说明。这些改进使得新用户能够更快上手Ordinals开发。
Ordinals 0.23.0版本的发布标志着该项目在功能丰富度和开发者友好性方面又向前迈进了一步。随着预览功能的完善和API的扩展,Ordinals生态系统有望吸引更多开发者和用户参与,推动区块链NFT应用的进一步发展。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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