CherryUSB v1.4.3版本发布:全面增强USB协议栈功能
项目简介
CherryUSB是一个轻量级、可移植性强的USB协议栈开源项目,支持主机(Host)和设备(Device)模式,能够运行在多种RTOS和裸机环境中。该项目以其模块化设计和丰富的USB类驱动支持而著称,特别适合嵌入式系统开发。
核心功能增强
1. 操作系统抽象层优化
本次更新对OSAL(操作系统抽象层)进行了重要改进,特别是针对NuttX操作系统的支持。新增了参数宏定义,使得在不同操作系统间的移植更加方便。对于RT-Thread系统,修复了线程删除API的问题,提升了系统稳定性。
在ESP-IDF平台上,优化了端点5和端点6的FIFO空间分配,为数据传输提供了更好的性能保障。这些改进使得CherryUSB在各种嵌入式操作系统上的运行更加稳定高效。
2. USB设备模式增强
音频类驱动方面,v1.4.3为UAC1和UAC2增加了音频反馈机制的支持,这对于需要精确音频同步的应用场景尤为重要。核心层新增了端点0设置处理程序的线程化特性,提高了控制传输的灵活性。
无线设备类方面,RNDIS驱动现在支持在没有LWIP协议栈的情况下使用ENET和无线传输API,这大大扩展了其应用场景。同时修复了描述符长度计算和端点重置逻辑的问题,提升了设备枚举的可靠性。
3. USB主机模式改进
主机核心层新增了usbh_printf_setup调试API,方便开发者分析USB通信过程。MSC类驱动将SCSI命令初始化移出枚举线程,并增加了测试单元就绪请求的重试机制,显著提高了大容量存储设备的兼容性和稳定性。
平台适配更新
1. 控制器驱动优化
本次更新为EHCI/OHCI/DWC2等控制器添加了DCache支持,提升了高速USB传输性能。特别是针对RP2040平台,设备驱动和主机驱动都进行了全面更新,主机驱动现在使用irq_add_shared_handler注册中断处理程序,提高了中断处理效率。
2. 新增芯片支持
增加了对T113芯片的EHCI控制器支持,以及CH585 USBHS控制器的DCache支持。Kinetis系列新增了MCXA156芯片的支持,进一步扩展了硬件兼容性。
对于STM32H7RS系列,修复了GCCFG寄存器在主机模式下的配置问题,确保了USB主机功能的正常工作。
开发者建议
对于使用CherryUSB的开发者,v1.4.3版本带来了多项重要改进:
- 音频类开发者可以利用新增的反馈机制实现更精确的音频同步
- 大容量存储应用开发者将从MSC类驱动的改进中受益,特别是设备兼容性方面
- 在多任务环境下,新的端点0线程化处理机制可以提供更好的实时性
- 使用NuttX或RT-Thread系统的开发者应该关注OSAL层的改进
总结
CherryUSB v1.4.3版本通过增强核心功能、优化现有驱动和扩展硬件支持,进一步巩固了其作为嵌入式USB解决方案的地位。无论是音频设备、大容量存储还是网络设备开发,新版本都提供了更强大、更稳定的支持。对于嵌入式USB开发来说,这无疑是一个值得升级的版本。
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-1.5暂无简介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
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
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