Pimoroni Pico项目v1.25.0版本发布:MicroPython升级与图形功能增强
Pimoroni Pico是一个基于树莓派Pico/RP2040的开源项目,提供了丰富的硬件驱动和软件库支持,特别针对Pimoroni旗下的各种扩展板和外设进行了优化。该项目构建在MicroPython基础上,为开发者提供了简单易用的Python接口来控制各种硬件功能。
核心升级:MicroPython v1.25.0
本次发布的v1.25.0版本最显著的改进是将底层MicroPython版本从1.24.1升级到了1.25.0。MicroPython 1.25.0带来了多项底层优化和错误修复,包括:
- 改进的内存管理机制
- 更稳定的垃圾回收(GC)性能
- 各类外设驱动的增强
- 整体运行效率的提升
对于开发者而言,这意味着更稳定的运行环境和更好的性能表现。特别是在内存受限的Pico平台上,这些底层优化尤为重要。
PicoVector与字体渲染增强
本次更新对PicoVector矢量图形引擎和Alright Fonts字体系统进行了重大改进:
-
PicoVector增强:
- 优化了矢量图形的渲染算法
- 提高了复杂图形的绘制速度
- 改善了抗锯齿效果
- 增加了对更多图形操作的支持
-
Alright Fonts改进:
- 扩展了字符集支持
- 优化了字体渲染质量
- 提高了文本绘制效率
- 增加了对多语言的支持能力
这些改进使得在Pico这类资源有限的设备上也能实现更高质量的图形显示效果,特别适合需要丰富用户界面的应用场景。
内存管理优化
针对PicoGraphics模块的内存分配机制进行了重要修复:
- 解决了在低垃圾回收阈值下的内存分配问题
- 优化了图形缓冲区的管理策略
- 提高了内存使用效率
这一改进对于那些需要精细控制内存使用的应用尤为重要,开发者现在可以更自由地调整垃圾回收参数而不用担心图形系统崩溃。
Inky Frame显示驱动修复
对Inky Frame电子墨水屏的驱动进行了重要修正:
- 默认使用阻塞式更新模式,确保显示刷新完整
- 优化了非阻塞更新模式的实现
- 提高了屏幕刷新稳定性
电子墨水屏的特殊性在于刷新速度较慢,这些改进确保了显示内容能够正确完整地更新,避免了部分刷新导致的显示异常。
传感器驱动更新
多个传感器驱动获得了更新和改进:
-
SCD4X CO2传感器:
- 增加了低功耗模式支持
- 添加了校准命令接口
- 优化了传感器数据读取流程
-
AS7343光谱传感器:
- 修正了通道和状态顺序
- 优化了示例代码输出格式
- 提高了测量准确性
-
PCF85063A RTC芯片:
- 增加了对RP2350芯片组的兼容性支持
- 优化了时间保持精度
这些改进使得传感器数据采集更加可靠和精确,为环境监测类应用提供了更好的基础。
构建系统与工具链升级
项目构建系统也获得了多项改进:
- 升级至Pico SDK 2.1.1版本
- 优化了针对不同Pico变体的构建配置
- 改进了跨平台开发支持
- 增强了CI/CD流程的稳定性
这些底层改进虽然对最终用户不可见,但为开发者提供了更稳定和高效的开发环境。
示例代码与文档更新
伴随功能更新,项目还提供了:
- 新增多个实用示例代码
- 现有示例的优化和错误修复
- 更完善的文档说明
- 针对不同硬件的专门指南
这些资源帮助开发者更快上手和充分利用Pimoroni硬件的能力。
总结
Pimoroni Pico v1.25.0版本是一个功能丰富且稳定的更新,既包含了底层的MicroPython版本升级,也带来了多项图形和传感器驱动的改进。特别值得一提的是PicoVector和字体系统的增强,使得在资源有限的Pico平台上也能实现更高质量的图形界面。对于正在使用或考虑使用Pimoroni Pico生态的开发者来说,这个版本值得升级。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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