Zigbee-herdsman-converters v21.18.0版本发布:新增光照原始数据支持与设备兼容性扩展
Zigbee-herdsman-converters是一个开源的Zigbee设备协议转换库,它作为Zigbee2MQTT项目的核心组件,负责将各种Zigbee设备的专有协议转换为统一的MQTT消息格式。这个库支持数百种不同厂商的Zigbee设备,是构建智能家居系统的重要基础。
新增光照原始数据支持
在本次v21.18.0版本中,项目引入了一个重要的新特性——illuminance_raw(原始光照度)支持。这个特性为光照传感器提供了更底层的数据访问能力。
传统的光照传感器通常只提供经过处理的lux值(照度值),而新的illuminance_raw则能够获取传感器原始读数。这对于以下场景特别有价值:
- 数据校准:用户可以根据原始数据进行自定义校准,提高测量精度
- 高级分析:开发者可以基于原始数据实现更复杂的算法处理
- 设备调试:在设备开发或故障排查时,原始数据能提供更多信息
这项改进使得Zigbee-herdsman-converters在专业应用场景中更具灵活性,同时也为普通用户提供了更多可选的数据维度。
新增设备支持
本次更新还扩展了对飞利浦Hue系列设备的兼容性,新增了以下两个设备型号的支持:
- 929003151601
- 929003151701
这两个设备都是飞利浦Hue产品线中的智能照明设备。通过将它们纳入支持列表,Zigbee-herdsman-converters进一步巩固了其在主流智能家居生态系统中的兼容性地位。对于用户而言,这意味着可以更无缝地将这些设备集成到现有的Zigbee网络中,享受统一的管理和控制体验。
问题修复与优化
除了新增功能外,本次发布还包含了一些重要的修复和优化:
-
窗帘位置反转问题修复:针对Tuya TS0601_cover_3型号的智能窗帘设备,修复了位置控制反转的问题。这个bug会导致窗帘的开合方向与实际指令相反,影响用户体验。修复后,用户可以通过标准指令准确控制窗帘位置。
-
链路质量指标优化:移除了部分设备中冗余的linkquality(链路质量)暴露参数。这个优化减少了不必要的网络流量和设备资源占用,同时保持了核心功能的完整性。对于大多数用户来说,这个变更不会影响日常使用,但会带来系统稳定性的提升。
技术影响与升级建议
从技术架构角度看,v21.18.0版本在保持向后兼容性的同时,引入了有价值的新特性和改进。对于现有用户来说,升级到这个版本可以获得:
- 更丰富的数据维度(特别是光照传感器用户)
- 更稳定的设备控制(特别是使用Tuya窗帘设备的用户)
- 更广泛的设备兼容性(计划购买或已拥有新增Hue设备的用户)
建议所有用户考虑升级到这个版本,特别是那些使用相关设备的用户。升级过程通常只需要更新Zigbee2MQTT的依赖版本,不需要额外的配置变更。
总的来说,v21.18.0版本延续了Zigbee-herdsman-converters项目持续改进的传统,在功能丰富性和系统稳定性方面都做出了有价值的贡献,进一步巩固了其作为开源Zigbee解决方案核心组件的地位。
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