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。
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
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