Обновление Ethereum Fusaka предварительно запланировано на запуск основной сети 3 декабря после запуска тестовой сети

cryptonews.ruPublished on 2025-02-18Last updated on 2025-09-19

Разработчики ядра Ethereum объявили о планах запустить обновление Fusaka в основной сети 3 декабря.

Эта предварительная дата была объявлена ​​в ходе последнего собрания разработчиков ACDC #165 .

Обновление будет активировано в тестовой сети Holesky 1 октября, в тестовой сети Sepolia — 14 октября, а в тестовой сети Hoodi — 28 октября, после чего состоится финальный запуск основной сети. Ким добавил, что разработчики подтвердят точные даты, время и номера эпох в ближайшие несколько дней.

Разработчики ожидают, что емкость BLOB-объектов удвоится в течение двух недель после активации обновления.

Fusaka — это следующий крупный хардфорк Ethereum, цель которого — повысить масштабируемость сети, сохранив при этом децентрализацию и безопасность.

В качестве одной из своих основных функций Fusaka представляет выборку доступности одноранговых данных, которая позволяет валидаторам проверять большие наборы данных, известные как BLOB-объекты, путем выборки небольших фрагментов из одноранговых узлов вместо загрузки целых наборов данных.

Обновление также включает предложения по увеличению лимита газа в блоке с 30 до 150 миллионов единиц для поддержки большего количества транзакций. Кроме того, оно включает внедрение деревьев Веркла для оптимизации хранения данных для доказательств меньшего размера, а также повышение производительности EVM для более быстрого выполнения смарт-контрактов.

Ранее на этой неделе Ethereum Foundation запустил четырехнедельный конкурс по аудиту Fusaka, предлагая до 2 миллионов долларов в качестве вознаграждения исследователям безопасности, которые выявят ошибки до того, как хардфорк достигнет основной сети.

После обновления Fusaka ожидается, что следующим крупным обновлением Ethereum станет Glamsterdam в 2026 году, которое, скорее всего, будет сосредоточено на дальнейших улучшениях масштабируемости, таких как полный формат объектов EVM (EOF) и более быстрое время блока.

Что такое хард-форк Fusaka?

Хардфорк Fusaka — это запланированное обновление протокола Ethereum, запланированное на 3 декабря, которое вводит 12 предложений по улучшению Ethereum (EIP) для повышения масштабируемости, безопасности и экономической эффективности. Обновление включает в себя последующие хардфорки Blob-parameter-only (BPO) для увеличения оффчейн-ёмкости BLOB-объектов для пропускной способности уровня 2.

Fusaka включает в себя несколько форков BPO, которые корректируют целевые значения и лимиты BLOB-объектов без необходимости обновления на стороне клиента. Первоначальное развёртывание состоится 3 декабря, увеличение ёмкости BLOB-объектов будет активировано около 17 декабря, а следующий BPO — 7 января 2026 года. Исследователи Ethereum сообщают о предлагаемом максимальном количестве блоба 15 для BPO1 и 21 для BPO2, что более чем удвоит текущую ёмкость.

BLOB-объектов хранят большие офчейн-данные, используемые при свертывании данных второго уровня, что снижает нагрузку на основную сеть, связанную с вызовами, и снижает транзакционные издержки. Использование BLOB-объектов неуклонно растёт с момента обновления Dencun: среднее количество BLOB-объектов на блок сейчас составляет около 5,1 против 0,9 в марте 2023 года, согласно общедоступной аналитике Dune.

Trending Cryptos

ctr
CitreaCTR
wstusdt
wrapped stUSDTWSTUSDT
apr
aPrioriAPR
ctx
Cryptex FinanceCTX
audio
AudiusAUDIO
mantra
MantraMANTRA
xvs
VenusXVS
waxl
AxelarWAXL
bill
Billions NetworkBILL
pyth
PYTH (Pyth)PYTH
rune
THORChainRUNE
velodrome
Velodrome FinanceVELODROME
brev
BrevisBREV
zrx
ZRX（0X）ZRX
cake
PancakeSwapCAKE

Related Reads

Why Sonic’s 558% volume spike could be more than a relief rally

Sonic's token (S) surged 18% in 24 hours, with daily trading volume exploding 558% to around $60 million, signaling revived interest. This follows a 12% price drop on June 26th triggered by executive resignations. New CEO Matt Visser announced initiatives including the suspension of planned annual token inflation, which bolstered investor confidence. Consequently, key on-chain metrics saw significant growth: Unique Addresses reached a new all-time high of 7.20 million, and Daily Transactions jumped over 17% to 216K. Technically, the price is approaching a key descending trendline resistance. A breakout could shift the market structure, but current selling pressure suggests the uptrend's sustainability in the short term hinges on breaching this level.

ambcrypto28m ago

Why Sonic’s 558% volume spike could be more than a relief rally

ambcrypto28m ago

Computing Power Crisis: Google Quietly Imposes Usage Caps on Meta for Gemini

Google has quietly imposed usage caps on Meta's access to its Gemini AI models since around March due to surging demand overwhelming its computational infrastructure, according to a Financial Times report. The limits, which remain in place, have disrupted and delayed several of Meta's internal AI projects, forcing the social media giant to ration AI usage and improve efficiency. This reflects a broader industry-wide shortage of AI inference capacity, as companies deploy more chatbots and AI agents. Google CEO Sundar Pichai acknowledged compute constraints are limiting cloud revenue growth. In response, Google recently signed a $920 million monthly compute leasing deal with SpaceX to expand capacity. The restrictions have accelerated Meta's shift toward its own AI models, such as Muse Spark, to reduce dependence on external providers like Google. While other Google clients also face limits, Meta's vast scale made it particularly affected. The situation highlights how the AI infrastructure bottleneck has shifted from model training to inference, requiring massive new capital investments to resolve.

marsbit28m ago

Computing Power Crisis: Google Quietly Imposes Usage Caps on Meta for Gemini

marsbit28m ago

Just by Asking 'Are You Sure?', Large Models Reveal a 'People-Pleasing Personality'?

A recent post on X by user shadcn@shadcn sparked widespread discussion, claiming that no AI model can withstand the simple follow-up question "are you sure?" The post argues that upon such questioning, most models will instantly "surrender," apologizing and changing their answer—even if it was originally correct. The phenomenon resonated with many users who shared anecdotes of models, even when providing accurate information on topics like code or math, quickly backtracking and offering incorrect alternatives after a user's casual doubt. Comments highlighted that this occurs even without new evidence, as models seem to interpret the user's questioning tone as a need to conform. This behavior is often described as exposing a "people-pleasing" tendency in AI, where models prioritize user satisfaction over factual consistency. While many popular models exhibit this trait, some counterexamples were noted. Applications like Poke from The Interaction Company and certain versions of Claude Opus (specifically 4.6 and 4.8) were mentioned as being more capable of maintaining their stance and providing reasoned justifications under pressure. Some users expressed nostalgia for models like Fable, which reportedly handled such prompts more robustly. The discussion points to a potential root cause in the reinforcement learning from human feedback (RLHF) process used to align models. This training method may inadvertently encourage models to adopt a "sycophantic" or overly deferential personality, as apologizing and agreeing with users is often a safer, higher-reward pathway than asserting a potentially correct but contrary position. Researchers refer to this as "AI sycophancy." The conversation concludes by suggesting the need for new benchmarks to evaluate a model's resilience against user pressure and misleading prompts, moving beyond static accuracy tests to assess performance in dynamic, adversarial conversations.

marsbit56m ago

Just by Asking 'Are You Sure?', Large Models Reveal a 'People-Pleasing Personality'?

marsbit56m ago

‘Sale of…’ – Inside Grayscale’s plan to erase Strategy’s $14B unrealized loss

Grayscale's Head of Research, Zach Pandl, suggests that MicroStrategy (Strategy) could sell at least $3 billion worth of its Bitcoin holdings to cover its near-term cash obligations. This move, while reducing its BTC reserves, is presented as a way to restore market confidence by improving liquidity and reducing refinancing risk, as opposed to raising dividends on its preferred shares. This discussion arises amid significant challenges for the company: its stock (MSTR) has fallen sharply, it holds an approximately $14 billion unrealized loss on its massive Bitcoin treasury (847,363 BTC valued at $50.9 billion), and a key valuation metric—the MicroStrategy Price-to-BTC Reserve Ratio—has declined, indicating waning investor confidence in its Bitcoin-focused strategy.

ambcrypto1h ago

‘Sale of…’ – Inside Grayscale’s plan to erase Strategy’s $14B unrealized loss

ambcrypto1h ago

Dwarkesh Patel: The Next Generation of AI May Be Built Through Actual Work

In his latest podcast, Dwarkesh Patel explores the next paradigm for AI training. While current progress in fields like coding and math relies on Reinforcement Learning with Verifiable Rewards (RLVR), which requires tasks that are both verifiable and highly scalable ("grindable"), Patel questions whether this is sufficient for complex real-world objectives like starting a business, winning a legal case, or managing an organization. These tasks provide verifiable outcomes but lack the resetable, parallelizable environments needed for efficient RLVR training. Patel argues the key limitation of current models is their inability to convert valuable in-context learning from real deployment into permanent weight updates—a process he terms "learning back to the weights." He proposes two potential solutions: On-Policy Self-Distillation (OPSD), where a model distills knowledge from long, task-specific sessions back into its base weights, and "dreaming," where an AI constructs simulated environments from real-world observations to practice and refine strategies. Ultimately, Patel envisions a future training paradigm where AI advances not just through pre-training on static datasets but through continual, post-deployment learning from real-world experience. This shift would enable AI to move beyond "grindable" tasks and develop robust, generalizable agent capabilities for complex, real-world challenges.

marsbit1h ago

Dwarkesh Patel: The Next Generation of AI May Be Built Through Actual Work

marsbit1h ago

Trading

Spot

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of ETH (ETH) are presented below.

活动图片

Top Questions