Starknet Cairo 2.10.0版本发布:核心库升级与功能增强
项目背景
Starknet是一个基于零知识证明技术的Layer2扩容解决方案,而Cairo则是Starknet生态中的智能合约编程语言。作为Starkware团队开发的核心组件,Cairo语言专门为可验证计算设计,能够高效地生成STARK证明。本次发布的2.10.0版本是与Starknet 0.13.4配套的Cairo版本,虽然目前新版本编写的合约还不能在Starknet上声明,但为开发者带来了多项重要改进。
核心改进与特性
条件编译功能增强
2.10.0版本实现了cfg属性的逻辑运算符支持,包括not、and和or。这一改进使得开发者能够编写更复杂的条件编译逻辑,根据不同的编译环境或目标平台灵活控制代码的包含与排除。例如,现在可以轻松实现"仅在测试环境且非Windows平台时包含某段代码"这样的复杂条件判断。
错误处理与诊断优化
本次更新对编译器的错误处理机制进行了多项改进:
-
依赖配置错误处理:当检测到依赖项配置错误时,编译器现在会直接panic,而不是继续执行可能导致更隐蔽问题的编译过程。这种"快速失败"的策略有助于开发者更早发现和解决问题。
-
十六进制前缀检查:对于需要十六进制格式的输入,当缺少"0x"前缀时,错误信息更加明确,帮助开发者快速定位问题。
-
多行诊断信息:改进了多行错误信息的显示,现在会包含最后一行内容,使错误上下文更加完整。
-
诊断优先级调整:优化了输出诊断信息的优先级排序,确保最重要的错误信息能够优先展示给开发者。
类型系统与Gas计算改进
-
快照类型不匹配:修复了快照类型不匹配时的错误提示,现在会显示正确的类型信息。
-
默认Gas重存款:在交易处理中,现在默认会包含Gas重存款操作,这有助于优化交易执行的成本计算。
-
有界整数修剪重构:对
bounded_int_trim函数进行了重构,提高了代码的健壮性和可维护性。
Starknet类型常量支持
新增了对Starknet类型的常量支持,这使得开发者能够在合约中定义和使用特定于Starknet生态的常量值,提高了代码的可读性和可维护性。
开发者影响与升级建议
虽然2.10.0版本带来了多项改进,但需要注意的是:
-
声明兼容性:使用此版本编写的合约目前还不能在Starknet主网上声明,需要等待网络升级。
-
错误处理变化:新的错误处理机制可能导致之前一些被忽略的配置问题现在会直接导致编译失败,建议开发者提前检查项目配置。
-
条件编译:新增的
cfg逻辑运算符为跨平台开发提供了更大灵活性,建议熟悉其使用方式。
社区贡献
本次版本更新特别感谢来自社区的14位新贡献者,他们的工作涉及文档改进、错误信息优化、功能实现等多个方面,体现了Cairo语言生态的活跃度和开放性。
总结
Cairo 2.10.0版本虽然在功能上属于增量更新,但对开发者体验的多个方面进行了优化,特别是在错误处理和诊断信息方面有了显著提升。这些改进虽然看似细微,但对于日常开发效率的提升具有重要意义。随着Starknet生态的不断发展,Cairo语言也在持续演进,为开发者提供更强大、更易用的工具链。建议开发者关注后续的Starknet网络升级计划,以便及时使用新版本的功能。
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