Sourcify服务端3.0.0版本发布:智能合约验证平台重大升级
Sourcify是区块链生态中广受欢迎的智能合约验证平台,它通过比对合约源代码与链上部署的字节码,为开发者提供可靠的合约验证服务。此次发布的3.0.0版本是Sourcify服务端的一次重要迭代,在核心架构、功能扩展和性能优化等方面都有显著提升。
核心架构重构
本次版本最重大的变化是集成了全新的lib-sourcify类库,这是对验证核心逻辑的一次深度重构。技术团队将原先分散在服务端中的验证逻辑抽离出来,形成了独立的类库模块。这种架构调整带来了几个显著优势:
- 模块化程度提高:验证逻辑与服务器逻辑解耦,使得核心验证功能可以独立演进
- 代码复用性增强:同一套验证逻辑现在可以方便地应用于不同场景
- 维护成本降低:验证相关的bug修复和功能增强只需在类库中进行一次修改
存储服务优化
存储服务是Sourcify的关键组件,负责保存已验证合约的元数据信息。3.0.0版本引入了VerificationExport数据结构来标准化存储接口,这一改进使得:
- 存储操作更加类型安全,减少了运行时错误
- 数据结构更加清晰,便于后续扩展
- 为可能的分布式存储方案奠定了基础
数据库层面新增了updated_at列和相应的触发器,实现了对sourcify_matches表修改时间的自动跟踪。这一看似小的改进实际上为数据审计和同步机制提供了重要支持。
API功能增强
服务端API新增了两个重要功能:
- 合约升级端点:新增的私有端点支持合约升级场景下的验证流程,这是对智能合约可升级模式的重要支持
- v2查找接口增强:在查找接口中新增了sourceIds字段,使得客户端能够更精确地定位特定版本的源代码
性能与稳定性提升
3.0.0版本移除了原有的速率限制器(rate limiter),这一决策基于对实际使用模式的分析。经过验证,Sourcify的服务负载完全可以在不限制速率的情况下稳定运行,这显著提升了开发者的使用体验。
错误处理机制也得到全面改进,新的express错误处理器能够提供更准确的错误信息和更恰当的HTTP状态码,大大简化了客户端的错误处理逻辑。
多链支持扩展
作为多链验证平台,Sourcify在此版本中:
- 新增了对Zircuit Garfield测试网的支持
- 更新了Hoodi测试网的RPC配置和creatorTxHash信息
- 将多个链标记为不受支持状态,确保平台只提供质量有保障的链上验证服务
这些变化反映了Sourcify团队对多链生态的持续关注和及时响应。
依赖项更新
作为一次大版本升级,3.0.0同步更新了所有依赖项到最新稳定版本,包括:
- 安全相关的依赖更新,消除已知漏洞
- 性能优化的新版本库
- 兼容性改进的接口调整
这一全面的依赖更新确保了服务端的长期可维护性和安全性。
总结
Sourcify服务端3.0.0版本的发布标志着这个智能合约验证平台进入了一个更加成熟稳定的阶段。通过核心架构重构、功能增强和性能优化,新版本为开发者提供了更可靠、更高效的合约验证服务。特别是对多链生态和合约升级模式的支持,展现了Sourcify团队对区块链开发者需求的深刻理解和快速响应能力。这些改进将进一步巩固Sourcify作为智能合约验证标准工具的地位。
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