viem项目2.28.1版本发布:签名验证增强与多链网络支持扩展
viem是一个专注于区块链生态的TypeScript接口库,旨在为开发者提供简洁高效的区块链交互工具。该项目通过模块化设计,为钱包集成、智能合约交互以及区块链节点通信等场景提供了轻量级解决方案。
核心更新内容
签名验证机制强化
本次版本在签名验证环节新增了对签名长度的严格检查。在密码学安全领域,签名长度是验证数字签名有效性的重要指标。viem现在会在处理ECDSA签名时主动验证其长度是否符合标准,这一改进能够有效防止潜在的签名伪造攻击,提升整体安全性。
对于开发者而言,这项改进意味着:
- 无效签名会更快被识别并拒绝
- 错误处理机制更加健壮
- 与区块链签名标准保持更严格的一致性
MemeCore网络集成
viem持续扩展其支持的区块链网络范围,本次版本新增了对MemeCore主网和测试网的原生支持。MemeCore是一个新兴的区块链网络,以其独特的社区驱动模式在开发者中逐渐获得关注。
集成内容包括:
- 完整的链配置参数
- RPC端点预设
- 原生代币信息
- 区块浏览器链接配置
开发者现在可以直接使用viem与MemeCore网络交互,无需额外配置网络参数。
Shardeum主网支持
另一个重要的网络扩展是加入了Shardeum主网的支持。Shardeum采用创新的分片技术来提高网络吞吐量,是解决区块链可扩展性问题的尝试之一。
viem的集成使得开发者能够:
- 轻松连接Shardeum节点
- 使用标准化接口与智能合约交互
- 利用viem的工具集进行交易构建和发送
技术细节解析
在签名验证方面,viem现在实现了更严格的输入检查。当处理一个区块链签名时,库会首先验证签名是否为65字节的标准长度(包含恢复标识符v值)。这种防御性编程实践有助于及早发现潜在的异常输入,避免后续处理过程中出现不可预期的行为。
对于新增的网络支持,viem采用了其标准的链定义格式,确保与其他网络的配置方式保持一致。这包括:
- 网络ID
- 原生货币符号
- 区块间隔时间
- 默认RPC端点
- 区块浏览器URL模板
这种一致性设计使得开发者可以轻松地在不同网络间切换,而无需改变基本代码结构。
开发者影响评估
对于现有项目升级到2.28.1版本,大多数情况下可以无缝迁移。唯一的潜在影响点是如果项目中存在非标准长度的签名处理,现在会明确抛出异常而非静默失败。
新网络的支持为开发者提供了更多选择,特别是在测试和部署多链应用时。viem的统一接口设计使得跨链开发体验更加一致,减少了学习不同链特定API的成本。
最佳实践建议
- 升级后应全面测试签名相关功能,特别是涉及自定义签名处理的场景
- 对于新支持的网络,建议先在测试网环境验证功能
- 利用viem的网络自动检测功能简化多链应用开发
- 考虑将网络配置集中管理,便于维护和更新
viem的持续演进展示了其对开发者体验和安全性的双重关注,这个版本再次强化了其作为区块链生态高质量工具库的地位。
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
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