Raspberry Pi EEPROM固件更新v2025.05.08-2712版本解析
Raspberry Pi的EEPROM固件是树莓派启动过程中至关重要的底层软件,它负责硬件初始化、引导加载程序执行以及系统启动流程控制。近期发布的v2025.05.08-2712版本带来了一系列功能改进和问题修复,这些更新对于树莓派用户和开发者都具有重要意义。
网络协议栈优化
本次更新对网络引导功能进行了多项改进。首先修正了TCP MSS(最大分段大小)的设置问题,确保网络传输效率。更重要的是实现了TCP窗口机制,解决了无序数据包缓存的问题。在之前的版本中,网络引导时若出现数据包乱序会导致严重的性能下降,新版本能够应对10%以内的数据包丢失情况,显著提升了网络启动的可靠性。
安全启动与HTTP引导
在安全启动方面,更新调整了签名启动与HTTP引导模式的兼容性逻辑。现在只有当使用默认主机设置时才会在启用签名启动的情况下禁用HTTP模式,而如果用户配置了自定义CA证书,则允许HTTP引导继续工作。这一改变为需要自定义安全环境的用户提供了更大的灵活性。
硬件兼容性增强
针对树莓派5系列(Pi 5)和计算模块5(CM5)进行了多项优化。新增了对Pi 5的MAC地址查询支持,完善了设备树匹配逻辑。特别值得注意的是对CM5设备的支持改进,现在系统能够自动识别并使用CM5特定的设备树文件,避免了用户需要手动配置的麻烦。
风扇控制与温度管理
在硬件监控方面,本次更新改进了风扇转速检测机制。系统现在会在启动过程中记录风扇的当前转速和最大转速,这些信息可以通过系统工具查询。同时修正了风扇检测逻辑,确保在没有连接风扇时正确报告状态,解决了之前版本中可能出现的误报问题。
底层通信与调试改进
在底层通信方面,修复了多个邮箱处理程序的响应长度问题,包括GET_GENCMD_RESULT、GET_FIRMWARE_COMMIT_HASH和GET_FIRMWARE_VARIANT等接口。调试输出也得到了改进,修正了时间戳显示问题,现在日志中的毫秒部分能够正确显示十分之一和百分之一秒,而不是之前的错误显示方式。
HAT+支持增强
对HAT+(硬件附加模块)的支持进行了扩展,重构了HAT库使其更加独立。新版本能够在早期启动阶段检查普通HAT+(非堆叠式)EEPROM中的current_supply设置,为硬件扩展提供了更好的支持。
总结
v2025.05.08-2712版本的EEPROM固件更新体现了Raspberry Pi团队对系统稳定性、安全性和兼容性的持续关注。从网络引导的可靠性提升到硬件支持的完善,这些改进将显著提升树莓派用户的使用体验。特别是对Pi 5和CM5设备的优化,显示了项目对新硬件平台的重视。建议所有树莓派用户,特别是使用网络引导或Pi 5设备的用户及时更新到此版本。
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-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
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