Browser Mod 2.4.0-beta.3版本发布:全面增强前端交互能力
Browser Mod是Home Assistant生态中一个重要的前端增强组件,它通过扩展浏览器功能为智能家居控制面板提供了丰富的交互特性。最新发布的2.4.0-beta.3版本带来了一系列功能增强和稳定性改进,特别针对弹出窗口、通知系统和配置存储机制进行了优化。
核心功能升级
全局弹出窗口支持
新版本引入了全局弹出窗口功能,允许自定义弹出卡片在所有仪表盘视图中保持全局可见。这一特性特别适合需要在不同界面间保持可见的重要通知或快捷控制面板。开发者现在可以通过配置custom:popup-card的相关选项来实现这一功能。
弹出窗口行为定制
新增了左右动作按钮的关闭行为控制选项,用户可以通过browser_mod.showPopup服务精确指定哪些按钮操作会关闭弹出窗口。这为界面交互设计提供了更细致的控制能力。
版本一致性检查
版本引入了浏览器JavaScript版本与组件版本匹配检查机制,当检测到版本不匹配时会显示通知提醒。这一机制有效避免了因前端资源缓存导致的兼容性问题,提升了系统稳定性。
配置与兼容性改进
默认动作设置
新增了前端默认动作配置选项,用户可以在配置面板中统一设置各类交互的默认行为,简化了复杂场景下的配置工作。
侧边栏适配
针对Home Assistant Core 2025.6版本的侧边栏改动进行了适配,确保了组件在新版本环境中的兼容性和一致性表现。
关键技术优化
连接稳定性增强
重构了浏览器连接机制,显著提升了在Home Assistant服务重启场景下的连接恢复能力。这一改进解决了之前版本中可能出现的连接中断问题。
状态管理优化
改进了浏览器状态的事件处理机制,现在能更准确地响应页面状态变化事件。同时修复了localStorage中lovelace-player-device-id的设置问题,确保了相关功能的正常工作。
弹出窗口行为修正
解决了弹出窗口在特定时序和导航场景下的显示问题,并增加了在位置变化事件时自动关闭弹出窗口的逻辑,提升了用户体验的一致性。
向后兼容性说明
2.4.0版本在配置存储中新增了前端设置数据,这可能导致旧版本无法正确加载配置。不过新版本包含了修复机制,确保未来版本升级后仍可回退到2.4.0。建议测试用户在升级前备份.storage/browser_mod.storage文件。
总结
Browser Mod 2.4.0-beta.3版本通过多项功能增强和稳定性改进,进一步提升了Home Assistant前端交互的灵活性和可靠性。特别是全局弹出窗口和版本检查机制的引入,为大规模部署和长期维护提供了更好的支持。建议关注前端交互体验的用户及时评估这一版本的新特性。
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-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