ZMK固件v0.2.0版本发布:键盘定制新高度
ZMK是一款开源的键盘固件项目,专为自定义机械键盘设计。与QMK等其他键盘固件相比,ZMK采用了现代化的Zephyr实时操作系统作为基础,特别注重无线键盘的支持和低功耗优化。该项目允许用户通过配置文件高度定制键盘行为,而无需深入编程。
核心功能增强
新增切换模式(toggle-mode)
本次更新引入了全新的toggle-mode功能,允许用户为按键和层切换配置"切换开"和"切换关"两种状态。这一改进使得键盘行为控制更加灵活,用户现在可以实现类似大写锁定键的切换效果,而不仅仅是瞬时触发。
技术实现上,ZMK团队重构了按键状态管理逻辑,确保切换状态能够正确地在不同层间传递和保持。这一特性特别适合需要长时间激活某些功能键或层的使用场景。
鼠标移动与滚轮支持
v0.2.0版本正式加入了鼠标移动和滚轮支持,这是ZMK向完整输入设备解决方案迈进的重要一步。该功能通过mouse-move和mouse-scroll行为实现,用户可以在键盘配置中定义这些行为并绑定到特定按键。
实现细节上,ZMK采用了平滑的加速曲线算法来处理鼠标移动,确保指针移动既精确又自然。对于滚轮支持,开发团队还添加了预定义的滚动缩放器,用户可以根据个人偏好调整滚动的速度和精度。
硬件支持与优化
物理布局改进
新版本对键盘物理布局的支持做了多项改进:
- 增加了对Lotus58键盘的物理布局支持,这是一款流行的分体式键盘设计
- 为ortho_4x10网格布局添加了支持,满足更多正交键盘用户的需求
- 使按键旋转成为可选功能,为特殊布局键盘提供更大灵活性
显示系统增强
显示子系统获得了多项重要更新:
- 新增了显示开关引脚配置功能,允许硬件控制显示屏的电源
- 增加了显示更新周期配置选项,用户可以根据需求平衡刷新率和功耗
- 优化了单色主题的默认处理逻辑,确保在1bpp模式下自动选择最佳显示方案
底层架构改进
输入处理重构
开发团队对输入处理系统进行了深度重构,引入了行为输入处理器(behavior input processor)的概念。这一架构改进使得ZMK能够更高效地处理复杂的输入场景,特别是为未来的多点触控和手势识别功能奠定了基础。
Kconfig系统优化
Kconfig配置系统获得了重要更新,现在允许用户覆盖ZMK的默认Kconfig设置。这一改进极大地提高了固件配置的灵活性,使高级用户能够更精细地调整系统行为而无需修改核心代码。
问题修复与稳定性提升
v0.2.0版本包含了多项重要的问题修复:
- 修复了复合键盘扫描(kscan-composite)无法唤醒设备的问题
- 解决了多个粘滞键(sticky keys)在同一按键位置无法正常工作的问题
- 修正了动态设备名称长度限制的执行问题
- 优化了组合键(combos)处理逻辑,特别是对空区块的处理
- 修复了显示系统在多线程环境下的稳定性问题
这些修复显著提高了ZMK在各种硬件配置上的可靠性和用户体验。
开发者工具改进
ZMK Studio作为配套开发工具也获得了多项更新:
- 改进了层管理功能,现在支持在层移动后添加新层
- 优化了RPC通信,确保完整键配置能够正确返回
- 增强了用户界面,使键盘配置过程更加直观
总结
ZMK v0.2.0版本标志着该项目在功能完备性和用户体验上的重大进步。新增的切换模式、鼠标支持和显示系统改进大大扩展了键盘定制的能力边界,而底层架构的优化则为未来的功能扩展奠定了坚实基础。对于键盘爱好者和自定义键盘开发者来说,这一版本提供了更多创造独特输入体验的可能性。
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