Lodestar v1.28.0 版本发布:区块链共识客户端的重要更新
Lodestar 是区块链生态系统中的一个重要共识客户端实现,由 ChainSafe 团队开发维护。作为区块链 2.0 信标链的客户端之一,Lodestar 使用 TypeScript 编写,为开发者提供了在 JavaScript/TypeScript 环境中运行区块链共识层的能力。
核心功能更新
本次发布的 v1.28.0 版本带来了多项重要改进,特别是在网络支持和状态管理方面:
-
新增 Hoodi 测试网支持:开发团队添加了对新公共测试网 Hoodi 的支持,使开发者能够在更接近主网的环境中测试应用。Hoodi 测试网使用与主网相同的 MIN_GENESIS_ACTIVE_VALIDATOR_COUNT 参数,确保测试环境的一致性。
-
无效状态根本地持久化:这是一个重要的调试功能增强。当客户端检测到无效的状态根时,会自动将相关状态和区块数据持久化存储在本地
<dataDir>/invalidSszObjects/目录下。这一功能极大地方便了开发者诊断和解决共识问题。 -
Electra 硬分叉支持:为即将到来的 Electra 硬分叉做好了准备,包括区块奖励计算的更新以及在 Chiado 测试网上调度 Electra 分叉的支持。
性能优化与改进
-
本地计算优化:使用原生计算 proposer 和同步委员会,减少了对外部依赖的调用,提高了性能。
-
延迟加载待处理存款:优化了内存使用,只在需要时才加载待处理的存款数据,降低了内存占用。
-
操作池改进:操作池现在能够更灵活地处理延迟到达的 API 认证,并单独跟踪 API 认证的插入结果,提高了系统的健壮性。
错误修复与稳定性增强
-
状态管理修复:修复了多个与状态管理相关的问题,包括处理过去时期的状态、检查点状态的修剪以及种子状态重载等。
-
认证验证修复:修正了在验证 gossip 认证时使用正确子网的问题,确保网络通信的安全性和正确性。
-
执行请求验证:现在会拒绝包含空数据的执行请求,防止潜在的安全问题。
-
类型检查强化:升级到 TypeScript 5.7,增强了类型安全性,减少了运行时错误的可能性。
开发者工具与测试改进
-
开发环境 Docker 支持:新增了 Dockerfile.dev,简化了开发环境的搭建过程。
-
测试覆盖率提升:增加了对 Electra 特定功能的单元测试,如 getAttestationsForBlockElectra 的测试用例。
-
日志增强:为关键操作添加了更详细的日志记录,特别是对于状态重载和认证处理过程,便于问题追踪。
总结
Lodestar v1.28.0 是一个功能丰富且稳定的版本,不仅为即将到来的 Electra 硬分叉做好了准备,还通过多项性能优化和错误修复提升了客户端的可靠性和效率。新增的 Hoodi 测试网支持和无效状态持久化功能将显著改善开发者的体验。对于运行区块链共识节点的用户来说,升级到这个版本是推荐的选择。
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