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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust015
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00