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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00