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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00