Mainsail 2.14.0版本发布:全面提升3D打印控制体验
Mainsail是一款基于Web的3D打印机控制界面,它为Klipper固件提供了现代化的用户界面。作为3D打印领域的重要开源项目,Mainsail通过直观的界面设计、丰富的功能模块和稳定的性能表现,帮助用户更好地管理和控制他们的3D打印机。
核心功能升级
最新发布的2.14.0版本带来了多项实用功能增强,显著提升了用户体验:
控制台改进:优化了多行输入和历史记录中的上下键导航功能,使得在控制台输入复杂命令时更加便捷。这一改进特别适合需要输入多行G代码的高级用户。
编辑器增强:现在能够记住文件结构侧边栏的最后状态,减少了用户在编辑配置文件时的重复操作。对于经常需要编辑printer.cfg等配置文件的用户来说,这一改进可以显著提高工作效率。
温度监控扩展:新增了对SHT3X传感器的支持,丰富了环境监测能力。同时,在温度面板中添加了快捷菜单,可以直接打开设置或关闭加热器,使温度控制更加直观便捷。
更新管理:实现了对Python软件包的更新管理功能,使系统维护更加全面。这一功能扩展了Mainsail的更新管理范围,不仅限于固件本身,还包括了相关Python依赖。
新增硬件支持
2.14.0版本特别关注了对新型硬件的支持:
称重传感器:在杂项面板中新增了称重传感器(load cell)显示功能,这对于使用自动调平或耗材监控系统的用户特别有用。
霍尔效应线宽传感器:添加了对霍尔效应线宽传感器的支持,增强了耗材直径实时监测能力,有助于提高打印质量。
用户体验优化
宏设置搜索:在宏设置界面增加了搜索功能,使用户能够快速定位特定宏命令,这在宏命令数量较多时尤其有用。
历史记录改进:修复了历史记录列表中每页显示数量的切换问题,并优化了筛选功能的响应性,使打印历史管理更加流畅。
系统面板显示:现在即使Klipper尚未准备就绪,系统面板也会显示,提供了更好的系统状态可见性。
技术优化与修复
G代码可视化:更新了G代码查看器库,修复了G2/G3圆弧指令的显示问题,使路径预览更加准确。
数据传输速率:修复了axios库的上传和下载速率问题,提高了文件传输的稳定性。
软件包管理:优化了软件包版本号的解析逻辑,使更新过程更加健壮。同时明确了只有git仓库才能进行软恢复操作,避免了潜在的更新问题。
架构改进
终端挡板面板重构:重新设计了终端挡板面板,增加了对dockable_probe的支持,使硬件状态监控更加全面。
状态灯定义优化:移除了重复的打印机状态灯定义,简化了代码结构。
Mainsail 2.14.0版本的发布,不仅通过新增功能扩展了应用场景,还通过多项优化提升了系统的稳定性和易用性。这些改进体现了开发团队对用户体验的持续关注和对3D打印控制需求的深入理解,为Klipper用户提供了更加强大和可靠的控制平台。
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