Zigbee-herdsman-converters v21.24.0版本发布:新增多款设备支持与功能优化
Zigbee-herdsman-converters是一个重要的Zigbee设备转换库,它为Zigbee2MQTT等项目提供了设备定义和转换规则。这个库的作用是将各种Zigbee设备的专有协议转换为统一的MQTT消息格式,使得不同厂商的Zigbee设备能够在一个统一的智能家居系统中协同工作。
新增设备支持
本次v21.24.0版本更新中,开发团队为多款新设备添加了支持:
-
新增了对4512783/4512784型号设备的支持,这两款设备的具体功能尚未详细说明,但从型号来看可能是某种传感器或控制器。
-
添加了ATMS10013Z3设备的支持,这是一款来自特定厂商的Zigbee设备,可能用于环境监测或控制。
-
新增ROB_200-001-0设备的支持,从型号前缀来看可能属于罗格朗(Legrand)的产品线。
-
加入了SR-ZG9070A-SS设备的支持,这是一款特定功能的Zigbee设备。
-
新增了对ZG-303Z和ZG-302ZM两款设备的支持,这两款设备可能属于同一产品系列的不同型号。
功能改进与优化
本次更新还包含了一些重要的功能改进:
-
对Aqara DJT11LM振动传感器的灵敏度控制进行了增强,现在用户可以更精确地调整设备的灵敏度参数。这一改进解决了用户在使用过程中遇到的灵敏度调节不够精细的问题。
-
对LiXee系列设备的功能进行了多项改进,提升了这些设备的兼容性和功能完整性。LiXee是一个专注于智能家居解决方案的品牌,这些改进将使它们的设备在Zigbee生态系统中工作得更好。
设备识别修复
在设备识别方面,本次更新修复了几个重要的识别问题:
-
修正了_TZ3210_iw0zkcu8设备的识别问题,确保它能够被正确识别为自身型号,而不是被误认为其他设备。
-
修复了_TZE200_wtikaxzs设备的识别问题,现在它会被正确识别为Nous E6设备。Nous是一个智能家居设备品牌,E6可能是其某款特定产品。
-
解决了TS011F设备被错误识别为BSD29_1的问题,现在它会被正确识别为TS011F型号。
其他修复与改进
-
针对Namron Edge温控器进行了多项修复,提升了这款设备的稳定性和功能完整性。Namron是一家专注于智能家居设备的公司,Edge是其温控器产品线。
-
修复了Aqara WS-K07E和WS-K08E设备的FlipIndicator功能问题。Aqara是小米生态链企业,专注于智能家居设备,这两款设备可能是其墙面开关产品。
技术意义
这次更新展示了Zigbee-herdsman-converters项目持续扩展设备支持范围的努力,同时也体现了对现有设备功能的不断优化。新增的设备支持意味着更多用户可以将他们的Zigbee设备接入统一的智能家居系统,而功能改进则提升了现有用户的使用体验。
设备识别修复对于系统的稳定性至关重要,正确的设备识别是确保设备功能正常工作的基础。特别是对于使用相同芯片方案但功能不同的设备,准确的识别可以避免功能异常或性能问题。
随着智能家居市场的不断发展,Zigbee-herdsman-converters这样的基础组件扮演着越来越重要的角色,它们通过统一的接口和协议转换,使得不同厂商、不同协议的设备能够在一个系统中协同工作,为用户提供无缝的智能家居体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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