Home Assistant Powercalc 1.17.4版本发布:智能家居能耗监测新升级
Home Assistant Powercalc是Home Assistant平台上一个专注于智能家居设备能耗监测的开源插件。它通过精确计算各类智能设备的电力消耗,帮助用户全面了解家庭用电情况,实现更智能的能源管理。最新发布的1.17.4版本带来了一系列功能增强和问题修复,进一步提升了用户体验。
核心功能改进
本次更新在设备支持方面做了显著扩展,新增了对Signfy Hue灯泡(型号929002471901)和Shelly Duo RGBW设备的支持。同时完善了Tuya CK-BL702-AL-01设备的能耗配置文件,使这些设备能够更准确地报告用电数据。
在用户体验方面,开发团队改进了子配置文件选择时的信息提示,让普通用户也能更轻松地为设备选择正确的能耗计算模型。特别值得一提的是新增了"排除特定设备类型"的发现选项,这在设备数量较多的家庭环境中特别实用,可以过滤掉不需要监测的设备类型。
技术优化与问题修复
针对Shelly PM gen3设备存在的功率数据异常问题,本次更新进行了专门修复,确保这类设备能够正确报告实时功率数据。另一个重要修复解决了区域组在重启后不可用的问题,增强了系统的稳定性。
在设备分组功能上,开发团队做了限制性调整,现在只能选择标准组进行分组操作,这一改变避免了因选择不当分组类型导致的功能异常。同时新增了实体ID显示在发现流程的第一个面板中,简化了设备配置过程。
国际化支持
国际社区贡献者帮助完善了斯洛伐克语(sk.json)的翻译文件,修正了其中的错误内容。自动化流程也更新了所有语言翻译文件,确保多语言用户都能获得一致的体验。
总结
Home Assistant Powercalc 1.17.4版本通过扩展设备支持、优化用户界面和修复关键问题,进一步巩固了其作为Home Assistant平台首选能耗监测工具的地位。这些改进特别适合那些希望通过精确能耗数据来优化家庭用电的智能家居用户。开发团队和社区贡献者的持续努力,使得这个开源项目能够不断进化,满足用户日益增长的需求。
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