Namada项目发布libs-v0.149.0版本:共识与重大变更解析
Namada是一个专注于隐私保护的区块链项目,其核心特点是支持多资产屏蔽池(MASP)技术,为用户提供跨资产的隐私交易功能。该项目近期发布了libs-v0.149.0版本,这是一个包含共识层变更和重大API变更的重要版本更新。
版本概述
libs-v0.149.0版本是一个共识层重大变更版本,同时也是API不兼容的版本。根据Namada项目的版本控制规范,版本号中的主版本号增加了100表示共识层变更,增加了1表示API变更。这种版本号设计能够清晰地传达变更的性质和影响范围。
核心改进与功能增强
隐私交易与MASP改进
本次版本对多资产屏蔽池(MASP)进行了多项优化。首先,解决了未注明日期资产的不可领取屏蔽奖励的铸造问题,确保奖励系统的公平性。其次,改进了MASP中NAM代币铸造数量的计算精度,使系统更加精确。此外,版本还引入了按顺序生成屏蔽支付地址的机制,取代了原有的随机生成方式,提高了系统的可预测性和安全性。
在奖励机制方面,新版本允许通过社区决策显式设置屏蔽奖励的精度,并支持在未来MASP周期应用转换和精度迁移。特别值得注意的是,现在可以设置当前原生代币的屏蔽奖励精度,并安排基础原生代币精度的变更计划。
治理与决策功能
新版本增强了治理功能,添加了node utils dry-run-proposal命令,允许用户在提交前测试治理决策代码。此外,治理决策现在可以修改任何屏蔽代币的存储键值对,为系统治理提供了更大的灵活性。
交易处理与事件系统
交易处理系统得到了多项改进。现在,Wasm事件中包含了内部和包装交易的哈希值,提高了交易的可追溯性。事件处理机制也进行了优化,不再在tx/applied事件中重复发出事件,减少了冗余信息。对于批量交易,内部交易结果的顺序现在会被保留在事件中,确保结果的准确性。
技术优化与底层改进
在底层技术方面,版本更新了rust-rocksdb依赖至v0.23,该版本使用了RocksDB(C++)9.9.3,提升了数据库性能和稳定性。Rust工具链也更新至1.85.1版本,并明确了最低支持的Rust版本要求,确保开发环境的兼容性。
ABCI接口得到了增强,现在Info查询响应中包含了应用和库的版本字符串以及共识版本信息。这些信息可以通过Rust代码中的consensus_version函数获取,为节点管理和监控提供了更多有用信息。
测试与验证
新版本加强了测试覆盖范围,特别是针对MASP硬件钱包的自动化测试。测试验证了屏蔽余额的自动复利与手动复利的等价性,确保奖励系统的正确性。此外,还修复了与硬件钱包相关的集成测试,确保系统在各种环境下的稳定性。
总结
Namada libs-v0.149.0版本通过一系列共识层变更和功能改进,显著提升了系统的隐私保护能力、治理灵活性和整体稳定性。特别是对MASP系统的多项优化,使得屏蔽交易和奖励机制更加精确和可靠。这些改进为Namada生态的进一步发展奠定了坚实的技术基础,同时也为开发者提供了更强大的工具和更稳定的运行环境。
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-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