probe-rs 0.28.0版本发布:嵌入式调试工具的全面升级
probe-rs是一个功能强大的嵌入式系统调试工具链,为开发者提供了从芯片编程到实时调试的全套解决方案。最新发布的0.28.0版本带来了多项重要改进和新特性,显著提升了调试体验和功能覆盖范围。
核心功能增强
本次更新在远程调试能力方面取得了重大突破,新增了远程服务器/客户端实现,使得开发者可以通过网络连接进行远程调试操作。调试器功能也得到大幅扩展,新增了info break、info reg、clear等常用调试命令,并优化了backtrace命令(现简写为bt),使其输出更加简洁高效。
在芯片支持方面,0.28.0版本新增了对Texas Instruments MSPM0系列、NXP MCXA系列、Microchip MEC172x系列以及Infineon PSOC 62家族等众多新型MCU的支持。特别是对RISC-V和Xtensa架构的扩展支持,使得CMSIS-DAP探头现在可以用于这些架构的调试。
调试体验优化
新版本引入了配置预设功能,开发者可以在配置文件中定义多组参数值,并通过--preset选项快速切换不同配置场景。调试过程中的异常处理也更加完善,新增了catch-hardfault和catch-reset选项,默认会捕获复位和硬件错误,大幅简化了故障调试流程。
针对嵌入式开发中常见的RTT(实时传输)功能,本次更新解决了通道名称显示问题,并优化了大消息处理能力,使得defmt日志输出更加稳定可靠。新增的--target-output-file选项允许将目标输出直接保存到文件或命名管道,方便日志收集和分析。
性能与稳定性提升
ESP32系列芯片的闪存算法现在会使用最高CPU时钟频率,显著提高了编程速度。针对STM32系列,修复了默认闪存算法冲突问题,并新增了OTP内存支持。在底层协议层面,优化了SWD接口实现,采用更高效的枚举流传输方式。
新引入的Probe::profile功能利用ARM DWT程序计数器采样寄存器(PCSR)实现了精确的性能分析能力,帮助开发者优化关键代码路径。针对批量擦除的EFM32xG2设备,实现了定制复位序列,解决了编程失败的问题。
开发者工具链完善
probe-rs工具链现在提供了更灵活的芯片选择机制,支持通过设备选择器过滤探头列表。目标生成工具(target-gen)新增了速度协议设置选项,方便自动化测试场景。调试器配置中新增了verifyBeforeFlashing和verifyAfterFlashing选项,提供了更严格的编程验证流程。
对于使用Homebrew的macOS开发者,现在可以通过brew直接安装probe-rs、rtthost和target-gen等工具,大大简化了环境配置过程。跨平台支持方面,提供了从Apple Silicon到x64 Windows的完整预编译二进制包。
probe-rs 0.28.0版本的这些改进,使得嵌入式开发者在面对复杂调试场景时拥有更强大的工具支持,从底层芯片操作到高层调试功能都得到了全面提升,进一步巩固了其作为现代嵌入式开发首选工具链的地位。
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