modm项目2025q2版本发布:嵌入式开发框架的重大更新
项目简介
modm是一个轻量级的嵌入式开发框架,专为微控制器应用设计,提供了硬件抽象层(HAL)、外设驱动和中间件等组件。它支持多种ARM Cortex-M和AVR微控制器,特别适合资源受限的嵌入式系统开发。modm采用模块化设计,开发者可以根据项目需求选择所需组件,避免不必要的代码膨胀。
2025q2版本核心更新
编译器支持升级
本次更新最重要的变化之一是增加了对GCC 14版本的支持。开发团队测试了上游的avr-gcc v14.2.0和xpack提供的arm-none-eabi-gcc v14.2.1,确保框架在新编译器下的兼容性。对于嵌入式开发者而言,这意味着可以享受到最新编译器带来的优化效果和语言特性支持。
STM32设备支持扩展
modm 2025q2版本新增了对48款STM32微控制器的支持,进一步扩大了硬件兼容范围。同时,多个STM32系列的CMSIS头文件也获得了更新:
- STM32C0系列升级至v1.3.0
- STM32G4系列升级至v1.2.5
- STM32H5系列升级至v1.4.0
- STM32H7系列升级至v1.10.6
- STM32L0系列升级至v1.9.4
- STM32L1系列升级至v2.3.4
- STM32U0系列升级至v1.2.0
- STM32U5系列升级至v1.4.1
这些更新为开发者提供了更完善的寄存器定义和外设支持,简化了底层硬件编程。
关键功能改进
硬件相关修复
开发团队解决了几个重要的硬件兼容性问题:
-
DW3110初始化优化:修复了在高速CPU上DW3110芯片初始化不稳定的问题,提高了设备在高速环境下的可靠性。
-
STM32F723 USB PHY支持:新增了对STM32F723内部高速USB PHY的支持,使开发者能够充分利用该芯片的USB高速通信能力。
-
Cortex-M7缓存管理优化:改进了缓存管理策略,现在只在Cortex-M7内核上禁用先前启用的缓存,避免了不必要的性能开销。
新开发板支持
本次发布新增了对STMicroelectronics DISCO-F723IE开发板的官方支持,开发者现在可以方便地使用modm框架为该板开发应用。该开发板基于STM32F723IE微控制器,具有丰富的接口和性能优势。
依赖库更新
modm集成了多个优秀的开源项目,本次版本对这些依赖库进行了升级:
- ETL:从v20.39.4升级到v20.40.0,提供了更完善的模板库支持
- FatFS:升级至v0.15a_p1,改进了文件系统稳定性和兼容性
- JSON:从v3.11.3升级到v3.12.0,增强了JSON数据处理能力
- LVGL:从v9.2.0升级到v9.2.2,带来了图形用户界面库的性能优化和bug修复
- NanoPB:升级至v0.4.9.1,改进了Protocol Buffers的嵌入式实现
- TinyUSB:从v0.17.0升级到v0.18.0,增强了USB协议栈的功能和稳定性
这些依赖库的更新为modm带来了更强大的功能和更好的稳定性,开发者可以直接受益于上游项目的改进。
已知问题与注意事项
尽管2025q2版本带来了诸多改进,开发团队仍指出了几个需要注意的问题:
-
SWO调试问题:在STM32H7目标上,OpenOCD目前无法启用SWO(Serial Wire Output)调试功能,这可能会影响某些调试场景。
-
Windows环境限制:在Windows平台上,arm-none-eabi-gdb的TUI和GDBGUI界面不受支持,开发者需要使用其他调试接口。
-
路径兼容性问题:在Windows上生成modm项目时,路径中的反斜杠可能导致与Unix环境不兼容的问题。
-
构建清理不彻底:当配置变更时,
lbuild build和lbuild clean命令可能无法完全清除之前生成的所有文件,开发者需要手动检查。
结语
modm 2025q2版本为嵌入式开发者带来了显著的改进,特别是对最新编译器的支持、更多STM32设备的兼容性以及关键硬件问题的修复。这些更新使得modm框架在嵌入式开发领域继续保持竞争力,为开发者提供了更强大、更稳定的开发工具链。
对于正在使用modm的开发者,建议评估升级到新版本的必要性,特别是当项目需要利用新支持的硬件特性或解决已知问题时。新用户也可以从这个版本开始接触modm,享受其提供的现代化嵌入式开发体验。
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