zkSync Era核心版本v27.0.0发布:重大升级与性能优化
zkSync Era是一个基于ZK Rollup技术的区块链Layer2扩容解决方案,它通过零知识证明技术实现了高吞吐量和低成本的交易处理。作为区块链生态系统中重要的扩容方案之一,zkSync Era不断进行技术迭代和优化,最新发布的v27.0.0版本带来了一系列重大更新和改进。
核心架构升级
本次v27.0.0版本最显著的变化是移除了旧的证明系统堆栈,这意味着项目已经完全转向了新一代的证明系统架构。这一改变虽然带来了兼容性上的突破性变化,但为系统带来了更高的效率和可靠性。
在证明系统交互方面,核心组件与证明器之间的通信协议已从原有方式升级为JSON-RPC协议。这种标准化的接口设计不仅提高了系统的互操作性,也为未来可能的扩展提供了更灵活的基础。
数据可用性增强
新版本引入了EigenDA M0支持,这是对数据可用性层的重要增强。EigenDA作为一种数据可用性解决方案,能够有效降低存储成本并提高数据检索效率。值得注意的是,配置中的eigenda_eth_rpc参数现在被设计为可选项,这为不同部署场景提供了更大的灵活性。
对于数据存储层,新增了针对zkos的RocksDB存储扩展支持。RocksDB作为高性能的嵌入式键值存储引擎,能够显著提升存储系统的吞吐量和响应速度。
验证与合约处理改进
合约验证器在这一版本中获得了多项增强功能。系统现在能够正确处理EVM合约的部分验证结果,并在可能的情况下返回完全匹配的验证信息。特别值得一提的是,系统合约现在允许在Yul语言环境下进行重新验证,这为开发者提供了更大的灵活性。
验证器还改进了错误处理机制,现在能够智能地忽略可抑制的编译错误,这使得验证过程更加健壮和用户友好。
性能优化
在性能方面,新版本针对ZK OS Merkle树实现了最优摊销基数的选择算法。这种优化能够显著减少证明生成过程中的计算开销,提高整体系统吞吐量。
安全与可靠性增强
版本引入了对TDX(Trusted Domain Extensions)和None TEE类型的支持,这扩展了可信执行环境的选择范围。特别地,在TDX环境下,系统现在能够从Google元数据服务读取配置信息,这简化了安全部署流程。
在数据可用性获取器方面,实施了优化以防止执行节点数据库被不必要的包含数据填充,这有助于保持数据库的高效运行。
兼容性与迁移
从v26版本开始,系统将始终从合约事务管理器(CTM)获取验证器时间锁地址,这一改变提高了地址管理的安全性和一致性。同时,为了准备v26升级,网关组件新增了停止L1到L2交易的要求,这确保了升级过程的平滑进行。
总结
zkSync Era v27.0.0版本代表了该项目技术路线图上的一个重要里程碑。通过架构简化、性能优化和功能增强,这一版本为开发者提供了更强大、更可靠的Layer2解决方案。特别是证明系统的重构和数据可用性层的改进,为未来更高吞吐量的应用场景奠定了基础。对于现有用户而言,需要注意这一版本包含的突破性变化,并做好相应的升级准备。
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