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。
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