Wormhole跨链协议v2.35.0版本发布:支持HyperEVM主网实验性集成
项目背景与技术定位
Wormhole作为领先的跨链消息传递协议,在区块链互操作性领域扮演着关键角色。其核心架构通过去中心化的守护者网络实现不同区块链间的安全通信,支持资产跨链转移、智能合约调用等关键功能。本次发布的v2.35.0版本在原有功能基础上进行了重要扩展,特别是引入了对HyperEVM主网的支持。
核心更新:HyperEVM主网实验性集成
HyperEVM技术特性
HyperEVM是Hyperliquid生态系统的关键组件,作为EVM兼容链运行,但针对特定应用场景进行了优化。本次集成使Wormhole协议能够支持HyperEVM上的跨链操作,开发者现在可以通过Wormhole网络实现HyperEVM与其他支持链之间的资产和信息转移。
配置参数说明
要启用HyperEVM支持,节点运营者需要在配置中添加以下参数:
- hyperEvmRPC:指定HyperEVM节点的WebSocket连接URL
- hyperEvmContract:设置HyperEVM上的核心合约地址(0x7C0faFc4384551f063e05aee704ab943b8B53aB3)
实验性状态说明
值得注意的是,当前HyperEVM节点尚未开源,这与Wormhole项目传统上要求所有组件开源的原则存在差异。因此开发团队特别标注此集成处于"实验性"状态,这意味着:
- 功能稳定性可能不如其他成熟集成
- 未来可能根据社区反馈进行调整
- 生产环境使用需谨慎评估
其他重要改进
治理代币列表更新
本次版本对治理系统中的代币列表进行了更新,确保跨链治理操作的准确性和安全性。这一常规维护工作有助于保持系统对各种代币标准的兼容性。
调试工具优化
开发团队移除了Go-Spew依赖库,并新增了专门用于VAA(可验证行动批准)调试的功能函数。这一改进使得:
- 调试输出更加结构化
- 减少了不必要的依赖
- 提升了核心组件的运行效率
技术实现细节
跨链消息验证增强
新版本对VAA的验证机制进行了优化,特别是在处理HyperEVM特有的数据结构时,确保了消息验证的严格性和一致性。这种增强对于维护跨链安全性至关重要。
合约地址标准化
所有支持的链都采用了标准化的合约地址管理方式,HyperEVM的集成也遵循这一原则,使得多链环境下的地址管理更加统一和可靠。
开发者注意事项
对于计划使用HyperEVM跨链功能的开发者,建议:
- 充分测试实验性功能
- 监控官方更新以获取稳定性改进
- 考虑备用方案以防实验性功能调整
- 关注HyperEVM开源进展
总结展望
Wormhole v2.35.0版本通过引入HyperEVM支持,进一步扩展了其多链互操作能力。虽然目前以实验性状态提供,但这为Hyperliquid生态系统与其他区块链的互联开辟了新途径。随着技术成熟和社区反馈,预计未来版本将逐步提升该集成的稳定性和功能性,持续推动跨链互操作领域的发展。
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