PyModbus v3.9.0 版本发布:关键修复与功能优化
项目简介
PyModbus 是一个用 Python 实现的全功能 Modbus 协议栈,支持 Modbus RTU 和 TCP 协议。它提供了同步和异步的客户端/服务器实现,广泛应用于工业自动化、物联网(IoT)和嵌入式系统等领域。Modbus 是一种广泛应用于工业控制系统的串行通信协议,PyModbus 让开发者能够轻松地在 Python 环境中实现 Modbus 通信功能。
版本亮点
PyModbus v3.9.0 版本带来了一系列重要的修复和改进,其中最值得注意的是对线圈(Coil)位处理的修正,这个长期存在的错误在此版本中终于得到了解决。
关键修复:线圈位顺序处理
在之前的版本中,read_coils 方法返回的线圈状态顺序存在错误,这可能导致应用程序错误地解释数据。这个错误存在多年但一直未被发现,直到 v3.9.0 版本才被修复(#2627)。对于依赖线圈状态精确性的工业控制系统来说,这一修复尤为重要。
数据块默认参数优化
ModbusSequentialDataBlock 类现在有了更合理的默认参数(#2622),这使得数据块的初始化更加方便,减少了不必要的参数设置。
异常处理改进
此版本改进了异常处理机制:
- 修复了解码响应时的异常错误消息(#2618)
- 将
exception_code暴露给 API(#2615),为开发者提供了更详细的错误信息
性能优化
多项性能优化措施被引入:
- 移除了数据存储中的
validate()方法(#2595),简化了内部处理流程 - 避免在已完成的 futures 上设置结果(#2582),提高了异步处理的效率
- 在每个事务写入前刷新接收缓冲区(#2581),确保了数据传输的可靠性
开发体验提升
- 简化了 ruff 配置(#2611),使代码风格检查更加高效
- 更新了开发容器配置(#2583),实现了自动安装
- 改进了文档(#2605),使开发者更容易理解和使用库的功能
向后兼容性考虑
此版本移除了对 Python 3.9 的支持(#2596),因为 Python 3.9 已经到达生命周期终点(EOL)。开发者需要确保他们的运行环境至少是 Python 3.10 或更高版本。
同步客户端改进
修复了同步客户端的 handle_local_echo 处理(#2593),提高了本地回显功能的可靠性。
总结
PyModbus v3.9.0 是一个重要的维护版本,解决了长期存在的线圈位处理问题,并带来了多项性能优化和开发体验改进。对于使用 PyModbus 的工业控制系统和物联网应用,建议尽快升级到此版本以获得更稳定和可靠的 Modbus 通信功能。特别是那些依赖精确线圈状态的应用,这一升级尤为重要。
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
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