AtomVM 0.6.6版本发布:嵌入式Erlang虚拟机的重大更新
AtomVM是一个轻量级的Erlang虚拟机实现,专为嵌入式系统和资源受限环境设计。它允许开发者在微控制器和嵌入式设备上运行Erlang和Elixir代码,为物联网(IoT)和边缘计算应用提供了强大的并发编程能力。最新发布的0.6.6版本带来了多项重要改进和错误修复,进一步提升了系统的稳定性和功能性。
平台支持与兼容性
0.6.6版本虽然尚未正式支持OTP-28,但开发分支已经包含了对OTP-28的初步支持。对于生产环境,建议继续使用OTP-27以获得最佳稳定性。值得注意的是,macOS用户需要注意Homebrew和MacPorts现在默认安装OTP-28,可以通过特定命令安装OTP-27版本。
本次更新增加了对ESP32P4芯片的初步支持,虽然网络功能尚未完善,但为开发者提供了新的硬件选择。同时,所有预构建的ESP32镜像现在基于esp-idf v5.4.1版本,建议自定义构建也使用v5.4.x系列。
核心功能增强
在语言特性方面,0.6.6版本填补了多个重要空白:
- 新增了
erlang:is_function/2内置函数 - 实现了
erlang:is_record/2功能 - 修复了
erlang:is_number/1对浮点数的处理 - 增强了二进制匹配功能,特别是对旧版OTP编译代码的支持
对于嵌入式开发者特别有价值的是通用Unix平台现在可以直接从命令行运行beam文件,这一功能之前仅在nodejs和emscripten平台上可用。
硬件驱动改进
在硬件支持方面,本次更新对多个驱动进行了重要修复和增强:
- 修复了ESP32 GPIO初始化在GPIO≥32时的问题
- 改进了UART驱动,增加了带超时参数的
uart:read/2函数 - 修正了SPI关闭命令的实现
- 解决了ESP32 GPIO中断触发设置为none时的问题
- 优化了网络功能,修复了
network:stop/0后无法重新启动网络的问题
特别值得一提的是,现在可以为Pico W的每个接口单独设置dhcp_hostname,解决了多设备网络冲突问题。
内存与并发优化
0.6.6版本在内存管理和并发处理方面做出了多项重要改进:
- 在内存不足错误日志中添加了内存信息,帮助开发者诊断问题
- 修复了多个内存泄漏问题,包括模块销毁和SSL资源释放
- 解决了二进制分割操作导致的内存损坏
- 优化了超时处理,修复了竞态条件导致的立即超时问题
- 改进了链接和监视器的并发处理
- 修复了进程信息查询可能导致的内存不足错误
开发者体验提升
为了改善开发者体验,本次更新:
- 增加了UART驱动的文档和函数规范
- 修复了堆栈跟踪中行号解析的问题
- 改进了错误处理,ESP32 UART驱动现在会正确返回错误而非中止
- 为Pico W设备设置了唯一的默认DHCP主机名
总结
AtomVM 0.6.6版本虽然在OTP-28支持上稍有延迟,但在稳定性、功能完整性和开发者体验方面都取得了显著进步。特别是对多种ESP32系列芯片的支持增强,以及内存管理和并发处理的优化,使得这个轻量级Erlang虚拟机在嵌入式领域的应用更加可靠和高效。对于正在使用或考虑采用Erlang/Elixir进行嵌入式开发的团队来说,这个版本值得关注和升级。
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