OpenRazer 3.10.0版本发布:新增多款雷蛇设备支持与功能优化
OpenRazer项目是一个开源的Linux驱动程序集合,专门用于支持雷蛇(Razer)品牌的外设产品。该项目让Linux用户能够像在Windows系统上一样,充分利用雷蛇设备的各项功能,包括RGB灯光控制、性能调节等特性。
新增设备支持
本次3.10.0版本更新为多款雷蛇设备带来了官方支持:
-
Razer DeathAdder V3 HyperSpeed:雷蛇经典的DeathAdder系列最新无线版本,现在可以在Linux系统下完整控制其各项功能。
-
Razer Basilisk V3 Pro 35K:雷蛇高端游戏鼠标系列,支持高达35,000 DPI的传感器,专业玩家现在可以在Linux下使用其全部特性。
-
Razer Basilisk V3 35K:Basilisk系列的有线版本,同样支持35,000 DPI传感器。
-
Razer Blade 18 (2024):雷蛇2024年最新推出的18英寸游戏笔记本,现在其键盘灯光等功能可以在Linux下进行控制。
功能改进与错误修复
设备识别与安全性增强
开发团队改进了序列号验证机制,现在系统会更加严格地验证设备序列号,提高了安全性。同时,生成的序列号现在具有更好的可预测性,这有助于开发者在测试和调试过程中保持一致性。
硬件参数修正
修复了Razer DeathAdder V3 Pro的最大DPI值设置问题,确保用户能够正确设置和使用鼠标的最高灵敏度。
内核兼容性
针对Linux 6.14内核进行了兼容性更新,解决了razermouse模块的编译问题,确保项目能够在新内核版本上正常运行。
实用工具增强
新增了一个示例脚本,用于可视化显示Chroma Dock基座的电池百分比。这个工具对于使用雷蛇无线设备的用户特别有用,可以更方便地监控设备电量状态。
键盘布局支持
修复了土耳其语、日语和瑞士键盘布局的识别问题,使这些地区的用户能够更准确地使用雷蛇键盘的特殊功能键。
技术意义与用户价值
OpenRazer 3.10.0版本的发布,体现了开源社区对雷蛇设备Linux支持的持续投入。通过新增多款最新设备的支持,Linux游戏玩家和专业用户现在能够享受到与Windows平台相近的外设体验。
特别值得注意的是对35,000 DPI传感器的支持,这满足了高端电竞玩家对极致精度的需求。同时,对笔记本键盘灯光的支持扩展,也让使用雷蛇游戏本的Linux用户获得了更完整的功能体验。
在稳定性方面,内核兼容性更新确保了项目能够跟上Linux内核的发展步伐,而序列号验证的改进则提升了整个项目的健壮性。
总结
OpenRazer 3.10.0版本是一次重要的功能更新,不仅增加了多款热门雷蛇设备的支持,还改进了现有功能的稳定性和兼容性。这些改进让Linux系统下的雷蛇外设使用体验更加完善,缩小了与Windows平台的功能差距。对于Linux游戏玩家和专业用户来说,这无疑是一个值得升级的版本。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00