Zigpy ZHA设备处理器0.0.135版本更新解析
Zigpy ZHA设备处理器是一个开源项目,它为Zigbee家庭自动化(ZHA)集成提供了大量设备的支持。该项目通过"quirks"机制扩展了标准Zigbee设备的功能,使各种非标准或特殊功能的Zigbee设备能够在ZHA环境中正常工作。最新发布的0.0.135版本带来了多项重要更新和改进。
设备支持扩展
本次更新新增了对多款流行Zigbee设备的支持:
-
Sonoff系列传感器:新增了SNZB-04P接触传感器和SNZB-02D LCD温湿度传感器的完整支持。这些设备以其高性价比在智能家居领域广受欢迎,现在可以完美集成到ZHA生态系统中。
-
Tuya/NEO土壤传感器:添加了NAS-STH02B2型号的支持,该设备使用_TZE284_rqcuwlsa标识符。这款土壤传感器能够监测植物的土壤湿度,对于智能园艺应用非常实用。
-
Third Reality设备增强:为雷达传感器添加了检测间隔配置选项,同时为灌溉套件提供了更多配置选项,使这些设备的功能更加完善。
-
NodOn开关选项扩展:为SIN-4-RS-20、SIN-4-RS-20_PRO、SIN-4-1-20、SIN-4-1-21和SIN-4-2-20等多款开关设备添加了配置选项,增强了这些设备的可定制性。
Tuya设备功能改进
Tuya作为智能家居领域的重要厂商,其设备支持一直是重点:
-
警报器支持:新增了_TZE284_nlrfgpny变体的警报器支持,扩展了安防设备的覆盖范围。
-
三相位电能表:添加了PC321-Z-TY型号的支持,这款设备能够监测三相电力系统的用电情况,适用于商业和工业场景。
-
窗帘电机:增加了_TZE200_hojryzzd变体的支持,完善了智能窗帘设备的兼容性。
-
数据点写入优化:改进了Tuya数据点写入命令的处理方式,特别是修复了fingerbot设备的问题,使这类设备的控制更加可靠。
功能修复与优化
-
Aqara E1卷帘驱动:重构了该设备的支持代码,将其作为v2 quirk实现,支持更多实体类型,提高了设备的兼容性和稳定性。
-
Tuya恒温器:修复了死区温度乘数的问题,使温度控制更加精确。
-
Tuya PM2.5传感器:增加了对无效高值的过滤处理,避免错误数据影响系统运行。
-
Moes TRV运行状态:修复了_TZE204_qyr2m29i型号的运行状态检测问题,提高了温控阀门的可靠性。
开发工具改进
项目构建脚本进行了更新,现在使用uv替代原有工具,提高了开发环境的搭建效率和一致性。这一改变虽然对最终用户不可见,但有助于开发者更高效地贡献代码。
总结
Zigpy ZHA设备处理器0.0.135版本通过新增设备支持和修复现有问题,进一步提升了Zigbee设备在家庭自动化系统中的兼容性和可靠性。特别是对Tuya生态设备的广泛支持,使得更多经济实惠的智能设备能够无缝集成到开源智能家居解决方案中。这些改进不仅丰富了设备选择,也提高了整体用户体验,推动了开源智能家居生态的发展。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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