Gnark v0.13.0 版本发布:零知识证明框架的重大升级
Gnark 是一个用 Go 语言编写的高性能零知识证明(ZKP)框架,由 ConsenSys 团队开发。它允许开发者构建和验证零知识证明系统,特别适用于区块链和隐私保护应用场景。本次发布的 v0.13.0 版本带来了多项重要改进和新功能,包括性能优化、新算法支持以及多项功能增强。
核心功能增强
1. 哈希函数支持扩展
新版本增加了对 Merkle-Damgård 和 Poseidon2 哈希函数的支持。Merkle-Damgård 结构是许多经典哈希函数(如 SHA 系列)的基础结构,而 Poseidon2 则是一种专为零知识证明优化的哈希算法,具有证明友好的特性。
特别值得注意的是,团队对 Poseidon2 的实现进行了 GKR(Goldwasser-Kalai-Rothblum)电路优化,这是一种交互式证明系统,可以显著提高证明效率。同时,SHA3 哈希函数现在支持 FixedLengthSum 功能,允许对固定长度的输入进行更高效的哈希计算。
2. 多精度计算优化
在零知识证明系统中,处理大数运算是一个常见需求。v0.13.0 对多精度计算进行了多项优化:
- 改进了非本地零值的 IsZero 边缘情况处理
- 实现了更高效的 selector.Mux 递归 BinaryMux 实现,优化了各种大小的选择器性能
- 增加了对哈希函数的 FixedLengthSum 优化,通过最小长度参数提高了计算效率
3. Groth16 证明系统改进
Groth16 是目前最广泛使用的 zk-SNARK 证明系统之一。新版本中:
- 重构了 Groth16 的多方计算(MPC)实现
- 修复了 Groth16 MPC 第一阶段的比例验证问题
- 增加了密钥切换功能,提高了系统的灵活性
性能提升
1. GPU 加速支持
v0.13.0 集成了 OSS ICICLE(版本 v3.2.2)用于 GPU 加速。ICICLE 是一个开源库,专门为密码学计算提供 GPU 加速支持,这将显著提高证明生成和验证的速度,特别是对于大规模计算场景。
2. 电路优化
- 实现了更高效的约束系统布线管理,新增了 GetWiresConstraintExact 方法
- 优化了约束元素的通用接口设计,提高了代码的复用性和可维护性
- 改进了查找表(lookup table)的实现,确保在所有 limbs(大数的分段表示)上进行规范化形式的范围检查
新算法与数学工具
1. 椭圆曲线支持
- 增加了 Pectra BLS12-381 椭圆曲线的预编译支持
- 实现了 BLS12-381 曲线上的映射到 G2 群功能
- 修复了 GLV(Gallant-Lambert-Vanstone)方法中负标量的处理问题
2. 场运算扩展
- 实现了对小域的场仿真支持
- 增加了场扩展支持,允许在本地场上构建扩展场运算
- 引入了 WideCommitter,用于获取场扩展中的承诺
3. GKR 系统迁移与优化
将 GKR 系统从 gnark-crypto 迁移到 gnark 主库,并进行了多项优化:
- 实现了门注册表(Gate Registry)机制
- 重构了单门(unigate)实现
- 提供了详细的 GKR 示例文档
开发者体验改进
1. 断言功能增强
- 增加了 emulated.AssertIsDifferent 方法,用于仿真环境中的不等断言
- 改进了自动元素初始化,使其能够感知当前场特性
2. 常量处理
实现了常量值的二进制分解功能,这在零知识证明系统中特别有用,因为许多密码学操作(如标量乘法)可以通过预计算和查找表来优化。
3. 代码质量与文档
- 统一了代码风格,使用 goimports 工具进行格式化
- 增加了多项文档说明,特别是关于未定义结果的通知
- 修复了 MiMC 哈希函数的注册问题
总结
Gnark v0.13.0 是一个功能丰富且注重性能的版本,它为开发者提供了更多构建高效零知识证明系统的工具和选项。从基础数学运算到高级证明系统,从 CPU 到 GPU 加速,这个版本在多方面都有显著提升。特别是对 GKR 系统的支持和优化,为需要高效交互式证明的应用场景打开了新的可能性。
对于正在使用或考虑使用零知识证明技术的开发者来说,升级到 v0.13.0 将能够利用这些新功能和改进,构建更高效、更灵活的隐私保护解决方案。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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