Rubriques tendance
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Construire le premier zkSVM - Maintenant en direct sur Mainnet
Nous travaillons sur quelque chose que personne n'a fait auparavant : apporter des preuves zk à une chaîne SVM.
Aujourd'hui, le mainnet de @soon_svm est officiellement en ligne en tant que premier zkSVM, entièrement intégré avec @boundless_xyz (Kailua) pour les preuves de défaut ZK. C'est un grand pas en avant pour les rollups SVM et un signal clair que nous ne cessons jamais d'expédier.
Jusqu'à présent, retirer des fonds de notre mainnet nécessitait d'attendre environ 1 jour. Avec notre nouveau système ZK, cette attente passe à seulement quelques minutes sans augmenter les coûts ni sacrifier la performance.
Qu'est-ce qui change pour les utilisateurs :
• Retraits : 1 jour → minutes
• Sécurité : preuves ZK lorsque nécessaire
• Coûts : restent les mêmes
Alors pourquoi Boundless ?
Nous avons choisi Boundless parce que c'est le seul système ZK capable de fonctionner à des performances de niveau Solana tout en soutenant de véritables preuves de défaut sur mainnet.
Les preuves sont générées sur le réseau Boundless, qui fournit une capacité de preuve massive exactement lorsque des litiges surviennent, éliminant le besoin de longues fenêtres de contestation ou de jeux interactifs inefficaces en capital.
Avec Boundless, SOON passe d'hypothèses optimistes traditionnelles à des preuves de défaut soutenues par ZK, réduisant la résolution des litiges de 7 jours à environ 24 heures et permettant une finalité plus rapide avec une certitude cryptographique.
Ce n'était pas un simple branchement.
Pour rendre le zkSVM réel, nous avons dû résoudre des problèmes que personne d'autre n'avait abordés :
• Exécuteurs SVM personnalisés reliant les sémantiques EVM et SVM
• Stockage hybride combinant MPT avec la base de données native de SVM
• Fournisseurs de chaînes L1/L2 unifiés
• Pipelines de dérivation et de données adaptés à SVM
...

Meilleurs
Classement
Favoris
