RMK键盘固件v0.7.2版本发布:稳定性与功能优化
RMK是一个基于Rust语言开发的现代化键盘固件项目,它提供了高度可定制化的键盘固件解决方案。与传统的C语言固件相比,RMK利用了Rust语言的内存安全特性和强大的类型系统,为键盘开发者提供了更安全、更可靠的开发体验。
核心修复与改进
本次发布的v0.7.2版本主要针对几个关键问题进行了修复和优化:
ADC初始化修复
在分体式键盘场景中,ADC(模数转换器)的初始化问题得到了解决。ADC在键盘中常用于电池电量监测等功能,此次修复确保了分体键盘两侧的ADC模块能够正确初始化,为后续的电池管理功能提供了可靠基础。
NonusHash解析修正
NonusHash是RMK中用于处理特殊键位映射的机制,本次修复了其解析过程中的错误。这个改进使得键盘布局定义文件中的特殊键位能够被正确识别和处理,提升了固件对复杂键位配置的支持能力。
输出切换状态修复
修复了键盘在切换输出模式(如USB与蓝牙之间切换)后状态不正确的问题。这个改进使得模式切换更加可靠,避免了因状态错误导致的输入异常。
硬件支持优化
针对PY32系列MCU的示例代码进行了修正,确保开发者能够基于这些示例快速构建自己的键盘固件。同时,默认启用了2M Phy功能,提升了无线通信的稳定性和性能。
架构调整
本次版本对代码结构进行了重要调整,将Controller模块置于特性标志(feature flag)之后。这种设计使得核心控制器功能成为可选模块,开发者可以根据实际需求选择是否包含这部分代码,提高了固件的灵活性和可定制性。
输入系统改进
修复了鼠标键码的一个拼写错误,虽然看似微小,但确保了鼠标功能键位的正确映射,提升了外设功能的可靠性。
总结
RMK v0.7.2版本虽然没有引入重大新功能,但对现有功能的稳定性和可靠性进行了全面加强。从底层硬件初始化到上层输入处理,多个关键环节得到了优化,体现了项目对质量的不懈追求。对于使用RMK的键盘开发者来说,这个版本值得升级,特别是那些正在开发分体式键盘或需要复杂键位映射的项目。
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-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