Hardhat 3.0.0-next.9版本发布:测试功能增强与关键修复
Hardhat是区块链开发环境中广受欢迎的智能合约开发框架,为开发者提供了编译、测试、部署等全流程工具链支持。本次发布的3.0.0-next.9版本虽然仍处于Alpha阶段,但带来了几项实用的功能改进和关键问题修复,进一步提升了开发体验。
测试功能增强
Solidity测试过滤支持
新版本为Solidity测试增加了--grep参数支持,这一功能借鉴了JavaScript测试框架中常见的模式匹配能力。开发者现在可以像筛选JavaScript测试用例一样,通过关键字过滤需要运行的Solidity测试。例如当项目中有大量测试用例时,可以快速定位和运行特定功能模块的测试,显著提高开发效率。
测试路径自动委托
框架现在能够智能识别npx hardhat test命令后跟随的测试文件路径,并自动将其委托给对应的测试运行器处理。这一改进消除了开发者需要手动指定测试运行器的麻烦,使得测试流程更加自然流畅。无论是运行JavaScript测试还是Solidity测试,都可以使用统一的命令格式。
关键问题修复
抽象合约工厂问题
修复了抽象合约工厂生成相关的问题。在之前的版本中,抽象合约的工厂类可能存在生成异常,影响开发者对抽象合约的测试和使用。新版本确保了所有合约类型都能正确生成对应的工厂类。
构建产物处理优化
解决了构建产物目录中顶层.json文件的处理问题。现在框架会明确忽略这些文件,避免将它们误认为合约构建产物。这一改动提高了构建过程的准确性,防止了潜在的构建错误。
账户去重问题
修复了账户列表处理中意外的去重行为。在某些情况下,Hardhat网络配置中的账户可能会被错误地合并去重,导致开发者配置的账户数量减少。新版本确保了所有配置账户都能被正确识别和使用。
总结
Hardhat 3.0.0-next.9版本虽然只是一个小版本更新,但带来的测试功能增强和关键问题修复都直接提升了开发者的日常使用体验。特别是测试过滤功能的加入,让大型项目的测试管理变得更加高效。这些改进体现了Hardhat团队对开发者实际需求的关注,也展示了框架持续优化的方向。对于正在使用Hardhat进行区块链开发的团队,这个版本值得关注和试用。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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