Bittensor v9.3.0版本发布:增强区块链网络功能与测试覆盖
Bittensor是一个开源的区块链协议,旨在构建去中心化的机器学习网络。该项目通过区块链技术连接全球的计算资源,使机器学习模型能够以去中心化的方式进行训练和推理。最新发布的v9.3.0版本带来了一系列重要的功能增强和稳定性改进,特别是在网络测试覆盖率和区块链操作功能方面有显著提升。
测试覆盖率与稳定性提升
本次更新中,开发团队显著增强了端到端(E2E)测试的覆盖范围。新增了多个测试用例,包括对等待周期(wait_epoch)和下一个节奏(next_tempo)功能的测试验证。这些改进确保了网络在各种条件下的稳定运行,特别是在处理区块链时间相关操作时的可靠性。
测试框架现在支持所有Python版本,并增加了Docker镜像自动更新机制。这意味着开发者可以在不同Python环境下运行测试,同时保持测试环境的时效性。测试容器管理逻辑也得到了优化,新增了停止现有测试容器的功能,避免了测试环境冲突。
区块链操作功能增强
v9.3.0版本引入了多项新的区块链操作方法:
-
新增了
set_children和get_pending_children方法,用于管理子账户关系。这些方法为网络中的账户层级管理提供了更灵活的工具。 -
增加了
get_owned_hotkeys方法及其异步版本,允许用户查询特定账户拥有的所有热键(hotkeys)。这一功能对于账户管理和监控特别有用。 -
改进了CRv3(共识规则版本3)的功能实现,提升了网络的共识机制效率和可靠性。
-
优化了Balance类的魔术方法逻辑,使得代币余额的数学运算更加准确和高效。
网络功能改进
在网络安全方面,本次更新添加了drand承诺机制,增强了网络的随机数生成安全性。同时,改进了区块更新间隔(blocks_since_last_update)的返回逻辑,确保网络状态监控的准确性。
针对子网管理,新增了process_weights_for_netuid功能,允许按子网ID处理权重数据。这一改进使得大规模网络中的权重管理更加高效。
兼容性与依赖管理
v9.3.0版本增加了对Python 3.13的兼容性检查,确保项目能够在新版本Python上正常运行。同时更新了多个依赖项,包括异步substrate接口的版本升级,提升了与底层区块链交互的效率和稳定性。
移除了对Levenshtein库的依赖,简化了项目的依赖关系,降低了安装和部署的复杂度。
总结
Bittensor v9.3.0版本通过增强测试覆盖率、改进区块链操作功能和优化网络性能,进一步提升了这个去中心化机器学习网络的稳定性和可用性。这些改进不仅为现有用户提供了更好的使用体验,也为未来功能的扩展奠定了坚实的基础。特别是新增的账户管理方法和子网权重处理功能,将为构建更复杂的去中心化机器学习应用提供更多可能性。
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00