Lodestar v1.26.0-rc.0版本发布:Electra升级与性能优化
Lodestar是区块链2.0的TypeScript实现,由ChainSafe团队开发维护。作为区块链生态中的重要客户端,Lodestar为开发者提供了使用JavaScript/TypeScript构建信标链和验证器客户端的解决方案。本次发布的v1.26.0-rc.0版本是一个重要的预发布版本,主要围绕Electra升级和网络性能优化展开。
Electra升级支持
本次版本最显著的变化是增加了对Electra硬分叉的初步支持。开发团队实现了Electra规范中的多项关键功能:
-
Electra验证者惩罚处理:完善了验证者在Electra网络中的惩罚机制,确保网络安全性。当验证者行为不当时,系统能够正确识别并执行相应的惩罚措施。
-
部分提款余额计算:优化了部分提款情况下的余额计算逻辑,确保在Electra网络升级后,验证者能够准确计算部分提款后的剩余余额。
-
执行请求处理:根据EIP-7685规范,改进了执行请求的序列化和反序列化过程,确保与执行层的交互数据格式正确无误。
网络性能优化
在网络通信方面,本次更新带来了多项改进:
-
Blob数据传输监控:新增了Blob数据传输的指标收集和仪表板,使节点运营者能够更直观地监控网络中的Blob数据传输情况。
-
速率限制调整:更新了BeaconBlocksByRoot/Range和BlobSidecarsByRoot/Range请求的速率限制策略,使用Deneb阶段设定的值,优化了网络资源分配。
-
区块生产选择日志:在区块生产选择过程中增加了原因说明日志,帮助开发者更好地理解区块选择逻辑。
数据结构与算法改进
在底层数据结构处理方面,本次更新包含多项优化:
-
大整数支持:使用Bigint类型处理存款索引,确保能够处理大数值情况下的存款记录。
-
随机值计算:采用16位随机值计算验证者索引,提高了验证者选择过程的随机性和公平性。
-
SSZ序列化优化:移除了冗余的blockBytes/blobBytes处理,简化了数据结构序列化过程。
验证者相关改进
针对验证者操作,本次更新特别关注:
-
单条证明处理:完善了单条证明(SingleAttestation)的处理逻辑,包括正确的签名提取和验证者索引获取。
-
缓存优化:改进了证明缓存机制,移除了聚合位(aggregation bits)的缓存,提高了缓存效率。
-
自愿退出检查:在处理验证者自愿退出时,增加了待处理提款余额的检查,确保验证者满足退出条件。
开发者工具与测试
为提升开发体验,本次更新还包含:
-
性能测试框架:将性能测试迁移至@chainsafe/benchmark框架,提供更准确的性能基准。
-
SSZ版本升级:将SSZ及相关配套包升级至v1.0.0版本,确保使用最新的序列化标准。
-
多分支类型支持:为IndexedAttestation添加多分支类型支持,提高代码的灵活性和可维护性。
这个预发布版本标志着Lodestar向全面支持Electra升级迈出了重要一步,同时也为网络性能和稳定性带来了显著提升。开发团队鼓励节点运营者在测试环境中部署此版本,为即将到来的主网升级做好准备。
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-1.5暂无简介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