Raspberry Pi EEPROM固件更新解析:2025.01.22版本深度解读
Raspberry Pi的EEPROM固件是树莓派启动过程中至关重要的组成部分,它负责硬件初始化、引导加载操作系统等核心功能。本次发布的2025.01.22版本固件带来了多项重要改进和新特性,值得树莓派用户和开发者关注。
启动流程与安全增强
新版本在启动安全方面做出了显著改进,新增了DT/chosen属性signed-boot boot.img哈希功能。当启用签名启动时,系统会将boot.img文件的SHA256哈希值通过设备树节点/proc/device-tree/chosen/bootloader/boot_img_sha256提供。这一特性为系统安全验证提供了基础支持,使开发者能够验证启动镜像的完整性。
时钟频率与性能优化
针对性能调优,新固件修复了当性能调控器未启用时设置arm_freq_min=arm_freq和显示时钟可能出现的问题。同时,默认启用了banklow功能(2712芯片设为1,2711芯片设为3),这一设置能够提供最佳的内存访问性能,特别是在多核处理器环境中。
启动顺序控制API
新增的set_reboot_order API和config.txt属性是一个实用功能。它允许用户在下次重启时覆盖引导加载程序配置中的BOOT_ORDER属性。参数存储在复位安全寄存器中,引导加载程序读取后会清除该值。这一功能特别适用于测试网络启动等场景,开发者可以通过vcmailbox命令临时修改启动顺序。
电源管理与低功耗特性
在电源管理方面,新固件引入了等待电源按钮功能。当POWER_OFF_ON_HALT=1且WAIT_FOR_POWER_BUTTON=1时,引导加载程序将等待电源按钮按下或RTC警报后才启动系统。等待状态下PMIC会切换到STANDBY模式,这是最低功耗状态,有助于节能应用场景。
硬件支持改进
针对树莓派5的16GB型号,固件优化了SDRAM刷新时序,提升了内存性能。同时更新了BCM2712D0产品的SDRAM时序设置。M.2 HAT+检测被移至更早的启动阶段,在DDR初始化之前进行,为NVMe驱动器固件提供了更长的启动时间。
风扇控制优化
新版固件对风扇控制进行了多项改进:在风扇探测完成后将风扇PWM GPIO驱动至高电平;在关机前禁用风扇PWM;在RP1初始化和风扇探测之间保持风扇PWM GPIO为高电平。这些改进解决了网络安装过程中风扇全速旋转的问题,提供了更安静的使用体验。
调试与诊断功能
调试方面,树莓派5上默认启用了uart_2ndstage功能(设为1),这为设备树加载提供了有价值的诊断信息,同时保持较低的开销。enable_uart参数的行为也发生了变化,现在需要明确设置enable_uart=1才能启用RP1 UART控制台,除非检测到专用引导UART上的电缆。
系统安装与维护
新版本在启动菜单中增加了网络安装选项,用户可以通过按N键或Shift键触发。同时修复了2025-01-06版本中可能导致的从SD/USB启动时PCIE_PWR启用的时序问题。
总结
2025.01.22版本的Raspberry Pi EEPROM固件带来了全面的性能优化、功能增强和问题修复。从启动安全到电源管理,从硬件支持到调试功能,这些改进使得树莓派平台更加稳定、高效且易于使用。对于开发者而言,新的API和控制选项提供了更大的灵活性;对于普通用户,改进的风扇控制和诊断功能提升了使用体验。建议所有树莓派用户,特别是使用树莓派5和16GB型号的用户考虑升级到此版本固件。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00