RaspberryMatic 3.79.6版本发布:智能家居控制系统的重大更新
RaspberryMatic是一个基于开源技术的智能家居控制系统,它能够兼容HomeMatic和Homematic IP设备,为用户提供完整的智能家居解决方案。该系统运行在多种硬件平台上,包括树莓派系列、TinkerBoard、ODROID等单板计算机,以及虚拟机环境和容器化部署方案。
核心服务更新
本次3.79.6版本对核心服务进行了多项重要改进:
-
逻辑引擎升级:RegaHss逻辑引擎更新至R1.00.0388.0248版本,修复了收藏夹管理功能的问题,并改进了系统执行命令的处理机制。现在
system.Exec()调用会设置默认10秒的超时限制,防止长时间阻塞主进程。 -
进程监控优化:增加了所有HomeMatic相关服务端口重启作业的循环次数,从5次提高到20次,将最大等待时间从65秒延长到260秒。这一改进特别有利于设备数量多、功能复杂的大型安装环境。
-
备份功能修复:修正了备份脚本中的文件/目录排除语句,确保
tmp和lost+found目录不再包含在备份中。 -
连接数提升:将
rega.conf中的默认HttpListenerMaxConnections值增加到24,使繁忙系统能够处理更多并行HTTP请求。
Web界面改进
Web用户界面也获得了多项功能增强:
-
双列控制页面过滤:新增补丁改进了设备、功能和房间状态显示页面,确保在设置或取消过滤器时两列能够正确同步。
-
调光器定义修复:解决了某些简易模式调光器接收器文件中缺失通道变量定义的问题,避免了未定义变量异常。
-
操作模式设置:针对HmIP-MOD-RC8设备重新设计了操作模式设置,解决了之前补丁引入的回归问题。
-
数值验证:确保对于HmIP-ESI+ES-LED设备的METER_CONSTANT_ENERGY参数,最小/最大值不使用浮点数值。
操作系统底层优化
在操作系统层面,本次更新包含多项底层改进:
-
网络配置:修改了默认DHCP客户端选项,不再使用"-R"选项释放IP地址。同时关闭了WiFi的省电模式,提高无线连接稳定性。
-
固件更新:更新了树莓派5的EEPROM固件至最新版本,并升级了QEMU客户代理到9.2.0版本。
-
内核升级:对于非树莓派平台,内核从6.6.x升级到6.12.x,引入了新的内核配置和必要的补丁。树莓派平台仍保持6.6.x内核。
-
内存管理:在容器环境中,现在使用
/sys/fs/cgroup/memory.max作为最大内存指标,确保HMIPServer不会消耗过多主机内存。 -
日志管理:将日志轮转频率提高到每天4次,并限制每个日志文件最多保留2个轮转副本,防止
/var文件系统被日志文件占满。
硬件支持扩展
本次更新进一步扩展了硬件兼容性:
-
树莓派5支持:添加了所有BCM2712设备树,确保与树莓派5计算模块等新型号的兼容性。
-
USB驱动:为所有目标平台启用了Cypress M8 USB串行驱动,并针对树莓派平台禁用了JMicron JMS583的UAS模式。
-
无线固件:更新了BCM43455 SDIO固件,修复了一些无线连接错误。
容器化支持改进
对于容器化部署方案,本次更新带来了多项优化:
-
健康检查:修复了HA代理插件的健康检查和控制台输出问题。
-
监控增强:为HA插件平台添加了ha-proxy的monit监控。
-
OCI支持:将tailscale包重命名为tailscale-bin,避免与buildroot即将推出的tailscale包冲突。
总结
RaspberryMatic 3.79.6版本是一个重要的维护更新,在系统稳定性、性能优化和硬件兼容性方面都有显著提升。特别是对大型安装环境的支持改进、容器化部署的优化以及内核级别的更新,使得这个开源智能家居控制系统更加成熟可靠。无论是家庭用户还是企业部署,都能从这个版本中获得更好的使用体验和更稳定的运行表现。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00