fwupd 2.0.6版本发布:固件更新工具的重要升级
fwupd是一个开源的固件更新工具,它允许Linux系统用户轻松更新各种硬件设备的固件。作为一个守护进程和命令行工具,fwupd支持多种硬件厂商的设备固件更新,包括主板、显卡、外设等。最新发布的2.0.6版本带来了一系列功能增强和问题修复,进一步提升了固件更新的可靠性和用户体验。
新功能亮点
本次2.0.6版本引入了几个值得关注的新功能:
-
EFI引导配置工具:新增了
fwupdtool efiboot-hive命令,允许用户直接设置NMBL(Next Managed Boot Loader)命令行参数。这项功能对于需要精细控制EFI引导过程的系统管理员特别有用。 -
抑制原因设置:现在可以通过
fwupdmgr命令设置固件更新的抑制原因,为用户提供了更灵活的更新控制选项。当系统处于关键任务状态时,可以明确标记不进行固件更新的原因。 -
HID设备支持扩展:增强了USB hidraw设备的兼容性,现在可以正确识别和使用DS-20描述符的HID设备。这使得更多类型的USB输入设备能够通过fwupd进行固件更新。
重要问题修复
2.0.6版本解决了多个影响用户体验的关键问题:
-
MSI硬件上的dbx部署:修复了在MSI硬件上部署dbx(UEFI安全启动黑名单)时的问题,确保安全启动功能正常工作。
-
Lenovo版本号解析:改进了对Lenovo设备版本号的解析逻辑,现在能够正确提取里程碑信息,避免因版本号识别错误导致的更新问题。
-
Logitech设备检测:修复了Logitech HID++子设备检测的问题,确保这些外设能够被正确识别和更新。
-
Redfish设备识别:改进了从Redfish接口获取内部网络设备VID和PID的准确性,提升了服务器硬件固件更新的可靠性。
-
Wacom设备更新:在Wacom数位板固件更新命令中加入了正确的负载长度信息,解决了某些情况下更新失败的问题。
性能优化
2.0.6版本在性能方面也有所提升:
-
启动速度优化:通过限制百分比更新的精度,减少了不必要的计算开销,使fwupd的启动速度提升了约1%。
-
设备模拟优化:现在只在明确使用
device-emulate参数时才启用模拟设备,减少了不必要的资源消耗。
新硬件支持
本次更新扩展了对企业级硬件的支持:
-
HPE Gen10/Gen10+服务器:新增了对HPE第10代服务器通过Redfish接口进行固件更新的支持,使企业用户能够更方便地管理服务器固件。
-
Thunderbolt重定时器:改进了对Thunderbolt重定时器固件的更新流程,在部署负载后会自动重新加载版本信息,确保更新状态准确。
版本兼容性改进
2.0.6版本还针对特定厂商设备的版本号格式进行了优化:
-
Huddly设备:支持了新的版本号格式,为未来Huddly设备的固件更新做好准备。
-
Logitech Rallybar:改进了更新流程,使Logitech Rallybar视频会议设备的固件更新更加可靠。
安全增强
在安全方面,2.0.6版本修复了一个可能导致拒绝服务的安全问题:
- CoSWID实体验证:现在会严格验证CoSWID(Concise Software Identification)实体,避免添加无效实体导致系统挂起,提高了系统的稳定性。
fwupd 2.0.6版本的发布进一步巩固了其作为Linux平台上最全面的固件更新解决方案的地位。无论是个人用户的日常外设,还是企业级服务器硬件,都能通过这个版本获得更可靠、更高效的固件更新体验。对于系统管理员和普通用户来说,升级到2.0.6版本将带来更好的兼容性和更少的更新问题。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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