Zigbee-herdsman-converters v23.41.0版本更新解析
Zigbee-herdsman-converters是一个开源的Zigbee设备转换器项目,主要用于将不同厂商的Zigbee设备协议转换为统一的格式,以便与Zigbee2MQTT等网关软件集成。该项目持续更新,支持越来越多的Zigbee设备,并修复已知问题。
新增设备支持
本次v23.41.0版本新增了对ZWSMD-4设备的支持。ZWSMD-4是一款智能开关模块,通过这次更新,用户现在可以将其无缝集成到现有的Zigbee网络中。
同时,SONOFF S60ZBTPF智能插座现在支持电力测量功能。这意味着用户可以通过Zigbee网络获取该设备的实时用电数据,包括电压、电流和功率等信息,为能源监控和管理提供了便利。
设备功能增强
Bosch BMCT-SLZ设备现在支持OTA(Over-The-Air)固件升级功能。OTA功能允许用户通过无线方式更新设备固件,无需物理接触设备,大大提升了设备维护的便捷性和用户体验。
设备识别优化
本次更新改进了多个设备的自动识别机制。例如,修正了对特定型号的Nedis ZBSC10WT智能开关的识别逻辑,确保系统能够正确识别并加载对应的驱动程序。同样,对ME168_Girier设备的识别也进行了优化,解决了之前可能出现的识别错误问题。
代码重构与优化
开发团队对代码库进行了部分重构,将一些AVATTO品牌的设备从通用的tuya.ts文件迁移到了专门的avatto.ts文件中。这种模块化的重构提高了代码的可维护性,也为未来添加更多AVATTO设备支持奠定了基础。
问题修复
本次更新修复了几个重要问题。SlackDiy设备的电力计量功能得到了修正,确保了测量数据的准确性和一致性。特别值得一提的是,修复了Tuya TS0203接触传感器的一个关键问题,该问题可能导致传感器状态错误地报告为"true",现在设备状态报告更加可靠准确。
这些更新和修复进一步提升了Zigbee-herdsman-converters项目的稳定性和兼容性,为用户提供了更加完善的Zigbee设备支持。无论是新增设备支持、功能增强还是问题修复,都体现了开发团队对项目质量的持续关注和改进。
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