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。
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-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