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。
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