RaspiBlitz项目集成Public Pool实现小型设备运算
RaspiBlitz团队近期在项目中成功集成了Public Pool功能,为小型设备如BitAxe等提供了便捷的运算解决方案。这一功能已在RaspiBlitz v1.11.3rc1版本中实现。
Public Pool是一个专为小型设备设计的运算池解决方案,它允许用户将多个小型设备的算力集中起来,提高运算效率。该功能特别适合使用树莓派等低功耗设备搭建的系统。
在技术实现方面,Public Pool需要运行在树莓派5(Raspberry Pi 5)硬件平台上,并建议使用NVMe固态硬盘以获得最佳性能。项目团队经过多次测试和优化,解决了以下几个关键技术问题:
-
运行环境配置:Public Pool需要特定的运行环境,包括Node.js和Angular等依赖项。安装脚本会自动检测并安装这些依赖。
-
存储空间管理:考虑到不同用户的硬件配置差异,系统采用了灵活的存储管理策略。应用程序主体安装在用户主目录下,而数据存储则根据重要性分别存放在不同位置:
- 关键数据存储在SSD/NVMe的app-data目录下,这些数据会在系统恢复时保留
- 可重建数据存储在app-storage目录下
- 临时缓存数据使用RAM磁盘
-
网络配置:系统会自动配置API和Stratum服务的端口,并更新Web UI的配置文件,确保用户界面能正确显示本地运算池数据。
-
用户界面优化:通过修改environment.prod.ts文件,确保Web UI能正确显示本地运算池的运行状态和连接信息。
安装完成后,用户可以通过Web界面监控运算池运行状态,包括在线设备、算力统计等信息。系统默认配置了本地IP地址的连接方式,方便用户直接使用本地网络中的设备接入。
这一功能的加入使得RaspiBlitz项目在区块链全节点功能之外,又增加了小型设备管理的实用功能,进一步丰富了项目的应用场景。对于想要尝试区块链运算但又不想投入大型专业设备的用户来说,这是一个理想的入门选择。
需要注意的是,虽然Public Pool也可以在树莓派4上运行,但为了获得最佳性能和稳定性,官方仍推荐使用树莓派5配合NVMe固态硬盘的硬件配置。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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