Namada项目v101.1.0版本技术解析与改进亮点
Namada是一个专注于隐私保护的区块链项目,通过零知识证明等技术为用户提供安全的交易环境。该项目近期发布了v101.1.0版本,虽然这个版本意外包含了共识破坏性变更(已在v101.1.1中修复),但仍然包含了许多值得关注的技术改进和优化。
核心Bug修复
本次更新修复了几个关键问题。首先解决了在原生运行时vm_env中ABI设置为C-unwind的问题,这涉及到虚拟机环境的稳定性。其次改进了与Osmosis SQS服务器的查询方式,现在使用ICS-20追踪路径哈希而非路径本身进行查询,提高了跨链交互的可靠性。此外还修复了一个安全问题,禁止从PGF(公共资金池)和治理账户向非原生代币发放资金。
性能与用户体验优化
在性能优化方面,开发团队做了多项改进。MASP(多资产屏蔽池)费用支付现在会包含拒绝验证程序的地址和错误信息,便于问题排查。改进了屏蔽费用支付的用户体验,特别是在失败原子批次中的显示方式。POS(权益证明)领取奖励交易的气体消耗得到优化,降低了用户成本。
交易签名机制也进行了调整,现在signatures和gas-signature参数仅适用于custom交易类型。如果提供了气体签名,则不允许使用气体支付者。这种设计提高了交易签名的安全性和明确性。
功能增强与限制
在功能增强方面,改进了屏蔽账户变更的计算逻辑,现在只在所有屏蔽输入构建完成后计算变更,减少了浪费。同时增加了转账目标的限制,在tx_transfer中最多允许20个独特的转账目标(来源+目标),这有助于防止滥用。
迁移功能得到扩展,现在可以重置原生代币和其他Namada地址的奖励。还删除了IBC签名者解析作为治理地址的冗余代码,简化了代码结构。
测试与稳定性提升
测试方面增加了多项集成测试,包括新的MASP事件和失败原子批次中的屏蔽费用支付场景。针对"tricky_masp_txs"测试进行了优化,通过减慢epoch速度来减少测试的不稳定性。
底层库与工具更新
项目依赖的Namada库更新至lib-v0.150.0版本,Hermes中继器升级到v1.13.0,这些底层更新为系统带来了更好的兼容性和新功能。
总结
虽然v101.1.0版本存在一些意外问题,但它包含的众多改进展示了Namada项目在隐私保护、性能优化和用户体验方面的持续努力。从虚拟机环境的稳定性修复到跨链交互的优化,再到交易签名机制的完善,这些变更共同提升了Namada网络的可靠性和可用性。开发团队对问题的快速响应(在v101.1.1中修复共识问题)也体现了项目的成熟度和专业性。
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