RaspberryMatic 3.79.6版本发布:智能家居控制系统的关键更新
RaspberryMatic是一个基于开源技术的智能家居控制系统,它能够兼容多种硬件平台,为家庭自动化提供稳定可靠的控制中心。该系统支持多种通信协议,能够整合各类智能设备,为用户提供统一的控制界面和管理功能。
核心服务优化
本次3.79.6版本对核心服务进行了多项重要改进:
-
逻辑引擎升级:更新了ReGaHss逻辑引擎至R1.00.0388.0251版本,解决了SIGPIPE信号可能导致服务意外停止的问题。现在系统能够正确处理这些信号,提高了服务稳定性。
-
进程管理增强:优化了进程信号处理机制,当信号操作无法分配时会返回明确的错误信息,便于问题诊断。同时修复了system.Exec()可能产生僵尸进程的问题,确保了事件传递的可靠性。
-
数据类型调整:将UINT/ULONG数据类型替换为更精确的uintXX类型,并使用int64_t替代DWORD处理超时值,防止潜在的溢出问题。
-
文件描述符处理:改进了CLOEXEC文件描述符关闭机制,采用更高效的/proc/self/fd遍历方式,显著提升了在容器环境中的性能表现。
系统管理与监控
新版本在系统管理方面做出了多项改进:
-
调试模式增强:新增了ReGaHss调试日志启动模式,当检测到调试标志时,会将详细日志输出到指定文件,便于深度问题排查。
-
配置清理机制:优化了rfd.conf配置文件清理流程,消除了添加/移除LAN网关时可能产生的重复空行问题。
-
启动流程优化:对LAN网关固件更新和密钥设置脚本进行了重构,只有在检测到LAN网关时才会执行相关操作,提高了启动效率。
-
超时控制:为关键命令执行添加了超时机制,防止因网络问题导致系统启动过程卡死。
用户界面改进
Web用户界面获得了多项功能增强和问题修复:
-
恒温阀设置修复:解决了HmIP-eTRV-C设备设置页面无法显示的问题。
-
风向显示优化:完善了风向缩写的多语言支持,确保在不同语言界面下都能正确显示风向缩写。
-
SSL证书验证:改进了SSL证书文件上传的验证逻辑,现在能更准确地识别证书文件的有效性。
底层系统升级
本次更新包含了多项底层系统组件的版本升级:
-
内核更新:将上游内核升级至6.12.14版本,提升了系统稳定性和兼容性。
-
Y2038兼容性:为所有32位目标平台启用了BR2_TIME_BITS_64配置选项,增强了对Y2038问题的兼容性。
-
固件压缩:启用了Linux固件压缩支持,减少了根文件系统占用空间,同时移除了不必要的固件文件。
-
工具链更新:升级了包括wiringpi、qemu guest agent、tailscale等多个系统工具和服务的版本。
硬件支持扩展
新版本继续扩展了对各类硬件平台的支持:
-
树莓派5支持:新增了对不同型号树莓派5的设备树文件支持。
-
固件更新:为树莓派4和5提供了最新的引导固件更新。
-
Java环境:更新了Azul Java运行时环境至11.78.15版本,支持多种架构平台。
容器化部署优化
针对容器化部署场景进行了多项改进:
-
构建验证:引入了构建来源验证机制,确保容器构建过程的可信度。
-
资源限制:调整了核心转储限制,并配置了系统参数以支持致命信号处理。
-
端口管理:新增了Monit服务的端口配置,便于通过Home Assistant插件进行外部访问。
RaspberryMatic 3.79.6版本通过上述多项改进,进一步提升了系统的稳定性、安全性和易用性,为智能家居控制提供了更加可靠的平台基础。无论是家庭用户还是企业部署,都能从这个版本中获得更好的使用体验。
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