Keymap-Drawer v0.21.0 发布:支持按键图例组合键和实验性Kanata解析器
Keymap-Drawer 是一款用于可视化键盘布局和按键映射的开源工具,它能够将键盘配置转换为直观的图形表示。最新发布的v0.21.0版本带来了两项重要更新:实验性的Kanata配置解析器,以及通过按键图例指定组合键的新功能。
实验性Kanata配置解析器
Kanata是一款强大的键盘固件配置工具,新版本Keymap-Drawer首次提供了对Kanata配置文件的实验性解析支持。该功能目前能够处理defsrc基础层定义、deflayer层定义、defchordsv2组合键定义,以及include、defvar和defalias等常用指令。
解析器会根据defsrc中使用的按键自动选择合适的物理布局,支持从60%到全尺寸的各种键盘布局。需要注意的是,当前版本中输出图例只能通过raw_binding_map参数进行自定义配置。开发团队表示这是一个实验性功能,欢迎用户提供反馈以指导未来的改进方向。
按键图例组合键定义
新版本引入了一种更直观的组合键定义方式:通过trigger_keys或tk参数指定触发组合键的按键图例。这种方式类似于QMK固件中的组合键定义方法,用户只需列出触发组合键的按键图例即可。
系统默认会完全匹配图例内容,如果找不到完全匹配的按键,则会回退到仅匹配中心/主图例。这种定义方式使得组合键配置更加直观和灵活,特别是对于使用符号或文本图例的按键。例如,用户可以通过Ctrl+J和Alt+K的图例组合来定义Esc功能,也可以直接使用J和K的主图例来定义相同的组合键。
新增物理布局支持
v0.21.0版本新增了多个物理布局支持:
- 新增了tsuru物理布局
- 为Lotus58键盘添加了修正后的ZMK定义布局
- 为Corne v4键盘扩展了旋转布局,支持额外的按键配置
ZMK工作流优化
针对ZMK键盘固件的用户,新版本优化了工作流程:
- 默认启用从west.yml获取模块的功能优化,现在只会获取用户指定的额外模块,而不会获取ZMK和Zephyr基础模块
- 改进了错误处理机制,当fail_on_error未设置时,工作流会在出现错误时显示失败状态,但仍会提交或上传成功的操作结果
- 新增debug_mode标志,用于设置keymap CLI的调试标志并回显操作中运行的命令
- 添加了install_version输入参数,允许用户指定要使用的keymap-drawer版本
这些更新使得Keymap-Drawer在键盘配置可视化方面更加灵活和强大,特别是对于使用Kanata或ZMK固件的用户。实验性的Kanata解析器为跨平台用户提供了更多选择,而新的组合键定义方式则大大简化了复杂按键映射的配置过程。
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-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