Simple Taiko Node v1.17.2版本发布:基于预确认机制的Hekla测试网升级
Simple Taiko Node是一个轻量级的Taiko节点实现,旨在简化Taiko协议节点的部署和运行。Taiko协议是一个基于区块链的二层扩容解决方案,采用zkRollup技术实现高性能和低成本交易。本次发布的v1.17.2版本是针对Hekla测试网的重要预发布版本,主要引入了基于预确认机制(Based Preconfirmations)的核心功能升级。
基于预确认机制的重大升级
v1.17.2版本标志着Taiko协议向基于预确认机制过渡的重要一步。基于预确认是Taiko协议中的一项创新功能,它允许在区块最终确认之前提供快速的预确认服务,从而显著改善用户体验。在当前阶段,这项功能处于白名单限制的第一阶段,这意味着只有经过授权的参与者才能参与区块提议和证明过程。
对于社区用户而言,特别需要注意的是,在此版本中普通用户将无法进行区块提议和证明操作。社区成员如果运行了提议者或证明者节点,建议暂时禁用这些功能以避免不必要的资金损失。这种限制是协议升级过程中的临时措施,随着功能逐步完善,未来将向更广泛的参与者开放。
关键组件版本要求
为了确保系统稳定运行,本次升级对各个核心组件提出了明确的版本要求:
- Taiko Geth需要升级至v1.16.0版本,这是支持新预确认功能的基础层实现
- Taiko Client需更新至v1.6.2版本,包含了对新协议特性的客户端支持
- Simple Taiko Node本身需要升级到v1.17.2版本
- Raiko证明系统需要v1.9.0-rc.1版本,这是支持新证明机制的关键组件
命令行参数变更详解
驱动程序参数变更
本次升级对驱动程序参数进行了多项调整,以更好地支持预确认功能:
-
端点参数重命名:
--taikoL1和--taikoL2参数分别更名为--taikoInbox和--taikoAnchor,虽然功能保持不变,但命名更加准确反映了其实际作用。 -
新增预确认相关参数:
--preconfirmation.serverPort:配置预确认区块服务器的HTTP端口,设置为0表示禁用此功能--preconfirmation.jwtSecret:指定用于预确认区块服务器的JWT密钥文件路径--preconfirmation.corsOrigins:配置预确认服务器的CORS来源设置,默认允许所有来源--preconfirmation.whitelist:指定预确认白名单合约的L1地址--preconfirmation.handoverSkipSlots:配置epoch结束时的交接边界槽位数,默认为4
提议者参数变更
在提议者配置方面,移除了两个已弃用的参数:
--txPool.locals和--txPool.localsOnly参数被移除,不再支持优先包含账户列表功能
证明者参数变更
证明者配置方面进行了较大调整,反映了协议架构的变化:
-
参数重命名:
--prover.startingBlockID更名为--prover.startingBatchID,更准确地反映了其功能。 -
新增功能参数:
--prover.localProposerAddresses:可配置本地提议者地址列表,证明者将为这些地址提出的批次优先生成证明
-
移除的废弃参数:
- 移除了与涂鸦信息、竞争证明模式相关的多个参数
- 移除了与守护者证明者相关的健康检查、提交延迟等参数
- 移除了活跃性证明、节点版本检查等不再需要的功能参数
技术实现细节
在Docker部署方面,v1.17.2版本更新了相关镜像,并清理了遗留的提议者配置文件,使部署更加简洁高效。这些变更反映了Taiko协议向更加模块化和专业化的方向发展,同时也为基于预确认机制的未来扩展奠定了坚实基础。
本次升级虽然带来了诸多变化,但整体架构保持了良好的向后兼容性。对于运行Taiko节点的用户而言,升级过程相对平滑,主要需要关注新参数的配置和旧参数的替换。随着基于预确认机制的逐步完善,Taiko协议将能够提供更快速、更可靠的二层扩容解决方案,为去中心化应用提供更好的基础设施支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00