Adafruit CircuitPython Bundle 20250528版本发布:新增OPT4048传感器支持与多项库更新
Adafruit CircuitPython Bundle是Adafruit为CircuitPython生态系统提供的核心库集合,它包含了数百个硬件驱动和实用工具库,极大简化了嵌入式开发过程。2025年5月28日发布的20250528版本带来了一个全新的传感器驱动和多个重要库的更新。
新增库介绍
本次发布新增了OPT4048光传感器库,这是一个高精度环境光传感器(ALS),能够提供精确的光照强度测量。OPT4048传感器具有宽动态范围(0.0005 lux至83k lux)和出色的红外抑制能力,非常适合需要精确环境光检测的应用场景,如自动亮度调节的显示设备、智能照明系统等。
主要库更新
显示相关库
EPD电子纸显示库更新至2.13.4版本,优化了多款电子墨水屏的驱动性能。SSD1322、SSD1327和SSD1680等OLED/电子纸显示驱动库也获得了同步更新,提升了显示刷新效率和稳定性。
ST7735 TFT显示屏库升级至1.2.17,修复了在某些硬件配置下的初始化问题,并优化了显示性能。Display_Text文本显示库更新至3.3.0,增加了对多语言字符集的支持,并改进了文本渲染算法。
电源监测库
INA219和INA3221电流/电压监测库分别更新至3.4.28和1.2.0版本。这些更新包括:
- 提高了电流测量的精度
- 优化了低功耗模式下的性能
- 增加了过流保护功能的可靠性
其他重要更新
OV5640摄像头库升级至1.2.8,改善了图像捕获的稳定性和自动对焦性能。VL53L1X激光测距传感器库更新至1.2.4,提高了测距精度并降低了功耗。
Requests网络请求库更新至4.1.11,增强了HTTPS连接的稳定性,并优化了内存使用效率。Dash_Display仪表盘显示库升级至3.0.2,增加了新的可视化组件并改进了界面响应速度。
兼容性说明
本次发布的库包提供了针对CircuitPython 9.x和10.x两个主要版本的预编译版本(mpy格式)。用户应根据自己设备上运行的CircuitPython主版本选择对应的库包。例如,运行9.1.1版本的用户应下载9.x的库包。
对于资源受限的设备(如Trinket M0、Gemma M0等),建议仅复制实际需要的库文件到设备的lib目录,以节省有限的存储空间。
使用建议
对于开发者而言,推荐使用circup工具来管理库的安装和更新。这个命令行工具可以自动从库包中安装所需的库到CIRCUITPY驱动器,无需手动下载和解压文件,大大简化了开发流程。
对于需要修改或查看库源代码的开发者,可以下载包含Python源代码的bundle-py压缩包。值得注意的是,GitHub提供的"Source code"链接并不包含库的源代码,开发者应使用专门标记的bundle-py下载链接。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00