LoRaWAN Stack v3.33.1版本发布:增强设备管理与数据格式化能力
LoRaWAN Stack是一个开源的LoRaWAN网络服务器实现,它为物联网设备提供完整的网络基础设施支持。作为LoRaWAN协议栈的核心组件,该项目实现了网络服务器(NS)、应用服务器(AS)和连接服务器(CS)等关键功能模块,帮助开发者快速构建和部署LoRaWAN网络解决方案。
数据格式化功能增强
本次v3.33.1版本在payload formatter中新增了recvTime字段支持。payload formatter是LoRaWAN网络中用于对设备上下行数据进行编解码的重要组件。新增的recvTime字段将被包含在decodeUplink函数的输入参数中,这使得开发者能够在解码上行数据时获取精确的接收时间戳,为时间敏感型应用提供了更好的支持。
终端设备电池状态监控
新版本在ApplicationUplink消息中添加了终端设备的最新电池百分比信息。这一改进使得应用层能够更方便地监控设备的电源状态,对于电池供电的物联网终端尤为重要。开发者现在可以直接从上行消息中获取电池电量信息,无需额外的查询操作,简化了设备管理流程。
控制台功能优化
控制台界面新增了实时数据分屏视图教程,帮助用户更直观地理解和使用数据展示功能。这一改进降低了新用户的学习曲线,使得监控和分析设备数据变得更加容易。
关键问题修复
本次发布修复了多个影响系统稳定性和功能完整性的问题:
-
当请求中未提供分页限制值时,现在会强制对AS和NS的List RPC调用应用默认分页限制,防止因过大结果集导致的性能问题。
-
修正了RelayNotifyNewEndDeviceReq MAC命令中的字段顺序问题,确保与协议规范一致。
-
改进了LinkADRAns MAC命令的验证逻辑,当终端设备不支持ADR(自适应数据速率)时能够正确处理。
-
修复了在通用设置中无法移除所有属性的问题,提高了配置灵活性。
系统稳定性改进
除了上述功能增强和问题修复外,v3.33.1版本还对系统底层进行了多项优化,包括:
- 改进了MAC命令处理机制,确保在各种网络条件下都能稳定运行
- 优化了属性管理系统,提供更一致的配置体验
- 增强了API的健壮性,特别是在处理边界条件时表现更稳定
这些改进使得LoRaWAN Stack在复杂网络环境下的表现更加可靠,为大规模物联网部署提供了坚实基础。
对于正在使用或考虑采用LoRaWAN技术的开发者来说,v3.33.1版本提供了更完善的功能和更稳定的运行环境,特别是在设备管理和数据格式化方面的增强,将显著提升开发效率和系统可靠性。
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-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