Arc项目1.6.0版本发布:基于VisionZ Evolution的NAS系统重大更新
Arc是一个专注于NAS(网络附加存储)领域的开源项目,它基于VisionZ Evolution代码构建,为家庭用户和小型企业提供稳定可靠的存储解决方案。该项目采用模块化设计,包含完整功能的基础系统(Evolution)和轻量级的基础系统(Minimal)两个版本,满足不同用户对性能和功能的需求。
版本核心特性
-
系统架构升级
本次1.6.0版本基于VisionZ Evolution代码进行了全面重构,提供了两种基础系统选择:- Basesystem Evolution:完整功能版本,包含所有特性但占用资源较多
- Basesystem Minimal:精简功能版本,体积更小、运行速度更快
-
账户系统变更
新版本引入了Discord账户验证机制,用户需要通过Discord账号才能使用Arc Patch功能。这一设计增强了系统的安全性和用户管理能力。 -
控制面板调整
当前版本中Arc Control功能暂时不可用,这是系统重构过程中的过渡状态,开发者将在后续版本中恢复并增强控制面板功能。
技术规格与依赖关系
-
组件版本要求
1.6.0版本对系统组件有明确的版本要求:- 附加组件(Addons):25.03.02
- 模块(Modules):25.02.22
- 配置文件(Configs):25.02.20
- 补丁(Patches):24.11.20
- 自定义组件(Custom):25.02.14
- 内核模块(LKMs):25.01.01
- 基础系统:2024.02.x系列
-
系统映像选择
项目提供了多种格式的系统映像下载,包括:- 原始IMG格式
- OVA虚拟设备格式
- VHD虚拟硬盘格式
- 动态和静态VMDK格式
使用建议与注意事项
-
版本选择指导
对于需要完整功能的用户,推荐使用Evolution版本;对于资源有限或追求性能的用户,Minimal版本是更好的选择。 -
升级注意事项
项目提供了专门的更新包(update-1.6.0-*.zip)和对应的哈希校验文件,确保升级过程的安全性和完整性。建议用户在升级前仔细核对哈希值。 -
功能恢复预期
虽然当前版本中Arc Control功能暂时不可用,但开发者已明确表示这是过渡状态,用户可关注后续版本更新以获取完整功能体验。
技术实现亮点
-
模块化设计
Arc项目采用高度模块化的架构,将系统功能分解为独立的组件,用户可以根据需求灵活选择和组合。 -
双版本策略
同时提供完整版和精简版的创新做法,让用户能够根据自身硬件条件和功能需求做出最优选择。 -
安全增强
通过引入Discord账户验证机制,项目在用户认证和系统安全方面迈出了重要一步。
这个版本标志着Arc项目在系统架构和功能设计上的重要演进,为后续发展奠定了坚实基础。用户可以根据自己的实际需求选择合适的版本,体验更高效、更安全的NAS解决方案。
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