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。
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