Home Assistant Powercalc 1.17.9版本发布:智能家居能耗计算新升级
Home Assistant Powercalc是一个专注于智能家居设备能耗计算的开源项目,它能够帮助用户精确统计各类智能设备的电力消耗情况。该项目通过设备功率配置文件(power profiles)和先进的算法,为Home Assistant用户提供准确的能耗数据,是家庭能源管理的重要工具。
核心功能升级
功率配置文件优化
本次1.17.9版本对多种智能设备的功率配置文件进行了重要更新:
-
Shelly系列设备支持增强:新增了Shelly Plus 1PM型号的支持,同时修复了Shelly I4 Gen3型号无法正确创建实体的问题。还对Shelly子配置文件命名进行了优化,使其更加直观易懂。
-
TP-Link设备扩展:新增了对TP-Link P110智能插座的功率计算支持,进一步扩大了设备兼容范围。
-
显示设备优化:针对65英寸Play电视的功率配置文件进行了更新,采用了新的测量脚本,提高了计算精度。
用户体验改进
默认子配置文件功能
开发团队引入了默认子配置文件定义功能,这为用户提供了更加灵活的配置方式。当设备具有多个可能的功率配置时,用户可以指定默认使用的子配置文件,简化了配置流程。
修复流程增强
针对子配置文件缺失的情况,项目新增了修复流程。当系统检测到设备缺少必要的子配置文件时,会自动引导用户完成修复过程,大大提高了系统的健壮性和用户体验。
技术问题修复
-
翻译问题修正:修复了法语翻译中的占位符问题,提升了多语言支持的质量。
-
设备链接稳定性:解决了在更改设备时现有设备链接被意外移除的问题,增强了系统稳定性。
-
颜色温度计算:改进了对缺少color_temp_kelvin属性的错误处理,提供了更完善的错误日志记录。
-
Sonos设备计算:修复了当用户拥有多个相同型号Sonos设备时的计算问题,确保了能耗统计的准确性。
-
库匹配机制:优化了库匹配机制,现在会同时检查小写形式的匹配,提高了设备识别的成功率。
项目意义与展望
Home Assistant Powercalc通过精确的能耗计算,为用户提供了深入了解家庭用电情况的能力。1.17.9版本的发布不仅扩展了设备支持范围,还通过多项技术改进提升了系统的稳定性和易用性。特别是默认子配置文件和自动修复流程的引入,标志着项目在用户体验方面迈出了重要一步。
随着智能家居设备的日益普及,精确的能耗计算将成为家庭能源管理的基础。Home Assistant Powercalc项目正朝着更加智能化、自动化的方向发展,未来有望为更多用户提供全面的家庭能源解决方案。
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-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