Arduino-Pico 4.5.1版本发布:Windows Python修复与双向TDM支持
Arduino-Pico是一个基于Raspberry Pi Pico RP2040微控制器的Arduino核心支持库,它让开发者能够在Arduino生态系统中使用RP2040芯片的强大功能。该项目由社区开发者维护,为Pico系列开发板提供了完整的Arduino兼容层。
版本亮点
4.5.1版本是一个小规模更新,主要解决了Windows平台下的Python进程管理问题,并新增了对双向TDM音频的支持。同时,这个版本还包含了对多款新开发板的支持以及一些质量改进。
Windows平台改进
在Windows环境下,Arduino IDE与RP2040开发板的交互有时会出现Python进程残留的问题。4.5.1版本对此进行了优化:
- 重新设计了UF2固件发现机制,提高了Windows系统的兼容性
- 改进了Python进程的清理机制,确保在编程完成后不会留下僵尸进程
这些改进使得Windows用户在烧录程序时体验更加稳定可靠,减少了因进程残留导致的各种异常情况。
I2S音频增强
本次更新为I2S音频接口带来了重要功能增强:
新增了对双向TDM(时分复用)模式的支持。TDM是一种常用于专业音频设备的多通道音频传输协议,相比标准I2S,它可以在同一组信号线上传输更多通道的音频数据。
双向TDM支持意味着:
- 可以同时实现音频输入和输出
- 支持更多专业音频应用场景
- 为多通道音频接口开发提供了基础
新增开发板支持
4.5.1版本扩展了对多款RP2040开发板的兼容性:
-
Olimex Pico2XL和Pico2XXL开发板
- 针对这些开发板添加了专门的闪存大小选择菜单
- 支持小于1MB的文件系统配置选项
-
Pimoroni Servo2040开发板
- 一款专注于伺服电机控制的专用开发板
- 集成了丰富的伺服电机接口
其他改进
-
修复了175MHz和275MHz超频设置无效的问题
- 确保所有标称频率选项都能正常工作
- 提高了超频设置的可靠性
-
闪存配置优化
- 为多尺寸闪存的开发板提供了更灵活的文件系统配置选项
- 开发者可以根据实际需求选择最适合的闪存分配方案
技术意义
这个版本虽然是一个小版本更新,但在几个关键领域做出了重要改进:
对于Windows用户而言,Python进程管理的改进显著提升了开发体验的稳定性。而双向TDM的支持则为专业音频应用打开了大门,让RP2040在音频处理领域有了更广阔的应用前景。
新增的开发板支持也体现了Arduino-Pico项目的活跃生态,不断有新的硬件厂商加入这个生态系统,为开发者提供更多选择。
升级建议
对于现有用户,特别是遇到Windows下编程问题的开发者,建议升级到这个版本以获得更稳定的体验。需要使用专业音频功能或新开发板的用户也应当考虑升级。
这个版本保持了良好的向后兼容性,升级过程通常不会影响现有项目。不过,对于使用超频功能的应用,建议验证175MHz和275MHz设置的实际效果。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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