RaspberryMatic 3.81.5版本发布:智能家居控制中心的重要升级
RaspberryMatic是一个基于开源技术的智能家居控制中心解决方案,它能够在多种硬件平台上运行,包括树莓派系列、ODROID开发板以及x86架构设备等。该项目通过整合eq-3公司的HomeMatic/OCCU技术栈,为用户提供了一个稳定可靠的智能家居控制平台。最新发布的3.81.5版本带来了多项功能增强和问题修复,进一步提升了系统的稳定性和兼容性。
核心功能升级
本次3.81.5版本最显著的改进是对OCCU(OpenCCU)核心组件的升级,版本号提升至3.81.5-1。这一升级使得RaspberryMatic完全兼容CCU3 3.81.5固件的所有功能特性,为各类智能家居设备提供了更好的支持。
在设备兼容性方面,新版本特别针对HmIP系列设备进行了多项优化:
-
对于HmIP-WTH系列壁挂式温控器,修复了电池更换后工作模式无法正确恢复的问题,确保了设备在电力中断后的可靠运行。
-
HmIP-SRH旋转手柄设备现在可以正确显示"事件延迟"配置参数的值,解决了之前参数显示不准确的问题。
-
HmIP-LSC照明控制器现在能够正确提供通道1的选择功能,完善了多通道控制体验。
-
针对HmIP-eTRV-3电子恒温阀,扩展了通道参数配置选项,为用户提供了更精细的温度控制能力。
-
HmIP(W)-SMO230(-A)运动传感器新增了"灵敏度"配置参数,允许用户根据实际环境调整检测阈值。
-
HmIP-CTV和HmIP-TACO设备的倾角检测范围从原来的10°-45°扩展至0°-180°,大大提升了这些设备在各类安装场景下的适用性。
底层系统优化
在操作系统层面,3.81.5版本进行了多项重要更新:
-
内核版本升级至6.12.20,带来了更好的硬件兼容性和性能表现。特别是移除了针对过时Z-Wave设备的USB栈补丁,这些补丁已不再需要且会与新版内核产生冲突。
-
构建系统升级至Buildroot 2025.02,这是一个重要的基础架构更新,确保了整个系统的构建过程更加现代化和稳定。
-
针对容器化部署场景,新增了对artifact和container provenance的验证支持,增强了软件供应链的安全性。
-
改进了CT存储选择机制,通过使用'-content rootdir'选项来搜索兼容的CT存储,提升了存储管理的可靠性。
-
更新了多个关键组件,包括Tailscale(1.80.2→1.80.3)、QEMU Guest Agent(9.2.2)等,确保系统各组件都处于最新稳定状态。
用户体验改进
在用户界面方面,3.81.5版本修复了HmIP-SRH/HmIP-FDT设备直接连接时缺失的SHORT_ON_MIN_LEVEL参数配置问题。这一改进使得用户能够更便捷地配置这些设备的快捷操作功能。
针对初次接触RaspberryMatic的用户,系统现在能够更清晰地提示容器未找到的原因(例如用户误在虚拟机环境中尝试容器部署),帮助用户更快定位和解决问题。
多平台支持
RaspberryMatic 3.81.5继续保持对多种硬件平台的广泛支持,包括:
- 树莓派全系列:从树莓派Zero到最新的树莓派5
- ODROID开发板:N2/N2+/C4/C2等型号
- x86架构设备:适合在传统PC或服务器上部署
- 虚拟化平台:支持OVA、Docker、LXC等多种虚拟化方案
每种平台都有专门的优化版本,确保在不同硬件上都能获得最佳性能表现。
总结
RaspberryMatic 3.81.5版本是一次重要的功能性和稳定性升级,特别适合那些使用HmIP系列设备的智能家居用户。通过底层系统的现代化更新和对各类智能家居设备的更好支持,这一版本进一步巩固了RaspberryMatic作为开源智能家居控制中心的领先地位。无论是家庭用户还是技术爱好者,都可以从这个版本中获得更稳定、更可靠的智能家居控制体验。
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