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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00