Bittensor项目v9.0.0版本重大更新解析
2025-07-05 01:32:43作者:邓越浪Henry
项目简介
Bittensor是一个去中心化的机器学习网络协议,旨在创建一个全球性的、开放的、分布式的机器学习市场。通过区块链技术,Bittensor允许机器学习模型在全球范围内共享和交易知识,形成一个协作的神经网络生态系统。在这个网络中,参与者可以通过贡献计算资源或提供有价值的机器学习模型来获得奖励。
核心架构改进
异步Substrate接口重构
v9.0.0版本对Bittensor的底层区块链交互层进行了全面重构,移除了对py-substrate-interface的依赖,转而采用全新的async-substrate-interface库。这一改变带来了显著的性能提升和更稳定的网络连接。
技术团队实现了AsyncSubstrateInterface的全面重写,包括:
- 完全异步化的网络请求处理
- 优化的同步/异步混合模式支持
- 改进的连接池管理
- 增强的错误处理机制
新的架构特别针对大规模网络请求场景进行了优化,能够更好地处理高并发情况下的节点通信需求。
关键功能增强
元数据图(Metagraph)系统升级
Metagraph作为Bittensor网络的核心数据结构,在此版本中获得了多项重要改进:
- 数据字段扩展:新增了subnet_volume、name和symbol等字段,提供了更丰富的网络状态信息
- 数据类型统一:将所有元数据字段统一为浮点数值(TAO)表示,替代原有的Balance和Tensor类型
- 链上数据获取优化:新增了直接从区块链获取Metagraph数据的方法,提高了数据获取效率
子网管理功能强化
针对子网管理,新版本引入了多项实用功能:
- 子网注册外部调用接口
- 子网身份设置功能
- 改进的子网燃烧成本查询
- 增强的子网容量监控
性能优化与稳定性提升
网络通信层改进
- Dendrite连接管理:修复了循环关闭问题,提高了网络连接的稳定性
- UVicorn配置优化:防止事件循环策略被意外重置
- FastAPI服务器优化:减少不必要的线程使用
测试框架完善
技术团队对测试体系进行了全面升级:
- 恢复了同步Subtensor测试并确保其兼容性
- 实现了对SyncSubtensor的专项测试
- 改进了子进程管理机制
- 分离了测试模板夹具
开发者体验优化
接口一致性改进
- 方法别名:为Subtensor.commit添加了set_commitment别名,提高API易用性
- 配置系统重构:重写了config.py模块,提供更清晰的配置管理
- 类型提示完善:增强了异步接口的类型定义
日志系统增强
- 增加了对Synapse中意外头部键的追踪日志
- 调整了日志级别策略
- 优化了日志初始化流程
向后兼容性说明
v9.0.0版本引入了一些破坏性变更,开发者需要注意:
- 移除了对非余额金额类型的支持,相关功能已被标记为弃用
- 改变了部分数据结构的字段类型
- 更新了默认网络端点配置
总结
Bittensor v9.0.0版本代表了该项目在去中心化机器学习网络方向上的重要进步。通过底层架构的重构和核心功能的增强,这一版本显著提升了网络的性能、稳定性和可用性。特别是异步Substrate接口的实现,为未来更大规模的网络扩展奠定了坚实基础。对于现有用户和开发者,建议仔细阅读变更说明并进行充分的测试环境验证,以确保平滑过渡到新版本。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
311
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1