Lighthouse v7.0.0-beta.2版本发布:Holesky测试网紧急修复方案
Lighthouse是区块链2.0客户端实现之一,由Sigma Prime团队开发,采用Rust语言编写。作为区块链共识层的重要客户端,Lighthouse以其高性能和稳定性在区块链生态系统中占据重要地位。
本次发布的v7.0.0-beta.2版本是针对Holesky测试网在2025年2月Electra升级失败后的第二个紧急修复版本。该版本主要解决了节点在非最终性状态下的内存使用问题,并优化了节点同步性能。需要注意的是,这个版本仅适用于Holesky测试网用户,主网、Sepolia或其他网络用户不应使用此版本。
核心改进
强制伪最终化功能
该版本引入了一个实验性功能,允许在Lighthouse数据库中强制"最终化"一个区块。这一功能使Lighthouse能够修剪低质量侧链、移除已最终化状态并回收磁盘空间。需要注意的是,这一功能在一般情况下并不安全,仅应在紧急情况下使用。
使用该功能需要提供纪元号(epoch)、区块根(block_root)和状态根(state_root)三个参数,这些参数必须来自纪元边界。跳过某些时隙是可以接受的,但状态根必须是纪元边界状态的状态根。
状态缓存优化
团队对旧状态如何与状态缓存交互进行了调整,消除了状态缓存未命中的几种情况,并修复了由BlocksByRange请求、侧链和对古老区块的证明引起的状态缓存不良交互问题。
这些优化都是自动进行的,用户无需采取任何操作即可受益。对于更高级的用户,可以尝试使用新标志--state-cache-headroom 8,该标志会在状态缓存填满时更积极地修剪状态缓存(移除8个状态)。
新增HTTP端点
新增了lighthouse/add_peer端点,允许用户将可信对等节点添加到对等节点数据库,并在节点优雅断开连接时每个心跳周期都尝试重新连接。这对于节点难以在规范链上找到对等节点的情况特别有用。可以与--disable-discovery标志一起使用,以限制节点拨打的连接数,加快同步到正确链的速度。
使用建议
该版本仅适用于Holesky测试网用户从v7.0.0-beta.0或v7.0.0-beta.1升级。与v7.0.0-beta.1相比,此版本没有破坏性变更。
对于不同类型的用户,升级优先级如下:
- 测试网质押用户:强烈建议升级信标节点和验证器客户端
- 测试网非质押用户:建议升级信标节点
- 主网用户:不应升级此版本
技术实现细节
在底层实现上,该版本包含多项重要改进:
-
数据库手动压缩端点:允许用户手动触发数据库压缩操作,这在强制伪最终化后特别有用,可以永久回收空间。
-
状态缓存处理优化:防止在数据库迁移时写入状态缓存,拆分区块根查找逻辑,重用子树以减少内存中的inactivity_scores占用。
-
区块范围请求处理优化:尽可能从分叉选择中加载区块根,减少存储访问。
-
状态缓存大小默认值调整为32,并增加了回溯日志记录功能,帮助调试状态缓存未命中情况。
-
针对Holesky救援场景优化了状态处理性能。
这些改进共同提升了节点在非最终性条件下的稳定性和性能,特别是在Holesky测试网当前的特殊情况下。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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