Wormhole跨链协议v2.26.0版本发布:新增Unichain和Berachain主网支持
项目背景
Wormhole是一个领先的跨链通信协议,它允许不同区块链网络之间的资产和信息自由流动。作为一个去中心化的消息传递协议,Wormhole通过其核心的中继网络实现了跨链互操作性,为DeFi、NFT和其他区块链应用提供了无缝的跨链体验。
版本核心更新
Wormhole v2.26.0版本带来了两项重要的主网集成:
-
Unichain主网支持:Unichain是一个新兴的区块链网络,现在已正式加入Wormhole生态系统。开发者可以通过配置以下参数启用Unichain支持:
--unichainRPC YOUR_UNICHAIN_RPC --unichainContract 0xCa1D5a146B03f6303baF59e5AD5615ae0b9d146D -
Berachain主网支持:Berachain是一个专注于高性能的区块链平台,此次更新也将其纳入Wormhole的跨链网络。启用Berachain需要配置:
--berachainRPC YOUR_BERACHAIN_RPC --berachainContract 0xCa1D5a146B03f6303baF59e5AD5615ae0b9d146D
技术改进细节
网络支持优化
本次更新移除了对Monad Devnet的支持,这是为了集中资源维护更成熟和广泛使用的网络。这种精简策略有助于提高整个系统的稳定性和性能。
特定网络修复
针对特定网络的观察消息机制进行了修复,解决了shim观察消息的问题。这一改进增强了该网络在跨链交易中的可靠性和消息传递的准确性。
治理机制增强
-
验证人热交换功能:引入了验证人节点的热交换机制,这使得验证人节点的维护和升级可以在不影响网络运行的情况下进行,大大提高了网络的可用性和灵活性。
-
代币列表更新:治理代币列表进行了更新,确保跨链治理机制的准确性和时效性。
-
惩罚参数VAA:Wormchain增加了针对验证人节点的惩罚参数VAA(Verified Action Approval),这增强了网络的安全性和验证人的责任机制。
技术意义
-
生态系统扩展:通过集成Unichain和Berachain,Wormhole进一步扩大了其跨链覆盖范围,为更多区块链项目提供了互操作性解决方案。
-
网络稳定性提升:移除不太活跃的测试网络并修复已知问题,有助于提高整个网络的稳定性和性能。
-
治理机制完善:新的验证人热交换和惩罚机制增强了网络的去中心化治理能力,使网络更加健壮和安全。
开发者建议
对于正在使用或计划使用Wormhole协议的开发者:
-
如果需要使用Unichain或Berachain的跨链功能,请确保按照要求配置正确的RPC和合约地址。
-
关注验证人节点的更新和维护,利用新的热交换功能减少服务中断。
-
定期检查治理代币列表的更新,确保您的应用与最新的治理机制保持兼容。
-
对于特定网络的开发者,新的观察消息修复将提高跨链消息的可靠性。
未来展望
随着Wormhole不断扩展其支持的区块链网络和完善其核心功能,它正在成为Web3基础设施中不可或缺的跨链通信层。未来的版本可能会继续增加对新链的支持,同时进一步优化网络性能和安全性,为多链生态系统的繁荣提供坚实的技术基础。
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-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
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