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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust069- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
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
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00