Shelly HomeKit 2.14.0版本发布:全面支持新一代智能设备
Shelly HomeKit是一个开源项目,旨在为Shelly系列智能设备提供原生HomeKit支持。通过这个固件,用户可以将Shelly设备直接接入苹果的HomeKit生态系统,无需额外的桥接设备。最新发布的2.14.0版本带来了多项重要更新,特别是对新一代Shelly Gen3设备的全面支持。
新设备支持
本次更新的最大亮点是新增了对多款第三代Shelly设备的支持:
- Shelly 1 Gen3:基础版单路继电器
- Shelly 1PM Gen3:带功率监测的单路继电器
- Shelly 2PM Gen3:双路带功率监测继电器
- Shelly i4 Gen3:四路输入设备
- Shelly PlugS Gen3:智能插座
- Shelly Plus Uni:多功能控制设备
这些新设备的加入显著扩展了Shelly HomeKit的应用场景,特别是Gen3系列设备采用了更现代的硬件设计,在性能和稳定性上都有所提升。
功能增强
2.14.0版本在功能方面也有多项改进:
-
传感器支持:现在ShellyPlusUni和ShellyUNI设备可以支持各种传感器接入,大大增强了这些设备的应用灵活性。
-
功率测量优化:
- 为Mini1PMG3和+1PMMini设备增加了初始功率测量支持
- 对于+2PM和2PMG3设备,现在使用设备分区中的原始校准值,提高了功率测量的准确性
-
Neopixel状态灯:+Plug S设备现在支持Neopixel状态LED,为用户提供更直观的设备状态反馈。
问题修复
本次更新还解决了几个关键问题:
- 修复了+2PM硬件版本REV01的功率测量问题
- 优化了+1PM设备的功率系数读取逻辑,避免不必要的更新
升级注意事项
用户在升级时需要注意以下几点:
-
回滚限制:
- PlugS Gen3目前无法回滚到原厂固件,因为官方固件尚未发布
- Mini 1/1PM Gen3设备的回滚功能暂时禁用,以防止可能的设备变砖风险
-
2PM Gen3用户:建议在安装此固件前,先将设备升级到官方最新的1.5.1版本固件,以确保最佳兼容性。
技术实现亮点
从技术角度看,2.14.0版本的几个实现值得关注:
-
功率测量校准:通过直接使用设备分区中的原始校准值,而不是重新计算,既提高了准确性又减少了计算开销。
-
硬件抽象层优化:对不同代际设备的支持体现了良好的硬件抽象设计,使得同一套代码可以适配多种硬件平台。
-
传感器框架:新增的传感器支持建立了一个可扩展的框架,为未来支持更多传感器类型奠定了基础。
总结
Shelly HomeKit 2.14.0版本标志着该项目对新一代Shelly设备的全面支持,特别是在功率测量和传感器集成方面的改进,使得这些设备在HomeKit生态系统中的表现更加专业和可靠。对于已经使用或计划使用Shelly Gen3系列设备的HomeKit用户来说,这个版本提供了更完善的功能和更好的使用体验。
随着智能家居生态的不断发展,Shelly HomeKit项目持续跟进硬件更新并提供深度集成支持,展现了开源社区在推动设备互操作性方面的重要作用。
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