KMonad 0.4.4版本发布:键盘宏与系统兼容性全面升级
KMonad是一款开源的键盘映射工具,它允许用户通过配置文件重新定义键盘按键行为,实现复杂的按键组合、宏操作以及跨平台键盘布局定制。作为一个底层键盘输入处理工具,KMonad在开发者、键盘爱好者和效率追求者群体中广受欢迎。
新增功能亮点
按键命名规范化
本次0.4.4版本新增了rfkill和micmute两个标准按键名称,取代了之前使用的missing247和missing248占位符名称。这一改进使得配置文件更加语义化,提升了可读性和可维护性。对于历史用户,建议尽快更新配置文件以使用新的标准名称。
macOS按键支持扩展
针对Mac用户,本次更新增加了更多Mac专用按键的支持。同时,对于无法识别的键盘设备,现在会统一显示为"Unknown External Keyboard",解决了之前可能出现的识别混乱问题。
高键码支持
Linux用户现在可以使用键码值超过255的特殊按键了。这一改进为使用专业键盘或特殊输入设备的用户提供了更好的兼容性。
启动优化
新增的NixOS选项boot.initrd.services.kmonad.enable允许用户在initrd阶段就启用KMonad服务,这对于系统初始化阶段就需要特殊键盘配置的场景非常有用。
按键时序控制增强
新引入的key-seq-delay参数取代了原有的cmp-seq-delay,提供了更全面的按键时序控制能力。它能够在每个按键事件后强制加入最小延迟,默认设置为1毫秒。这一改进特别适合处理快速按键序列的场景,如宏操作和组合键。
同时新增的tap-hold-next-press功能是tap-next-press的增强版,增加了超时控制,为需要精确时序控制的复杂按键组合提供了更多可能性。
行为改进与优化
多击按键改进
multi-tap功能现在有了更智能的行为:
- 当按键被按住时,如果被其他按键中断,现在会保持按住状态
- 修复了之前版本中可能无法保持按住状态的问题
- 修正了在其他按键释放时意外取消的问题
这些改进使得多击按键功能在各种使用场景下表现更加稳定可靠。
宏操作修复
修复了tapMacro和tapMacroRelease在某些情况下的异常行为,确保宏按键能够按照预期准确触发。
平台特定修复
Windows平台修复了键码转换问题,Linux平台解决了TTY模式下按键重复功能失效的问题。这些修复显著提升了跨平台使用的稳定性。
升级建议
对于现有用户,特别是以下情况建议尽快升级:
- 使用了
missing247和missing248按键定义的用户 - 依赖
tap-macro等时序敏感功能的用户 - 需要多击按键保持功能的用户
- Mac平台用户
新用户可以直接使用0.4.4版本享受更完善的键盘定制体验。配置文件方面,建议参考新版文档使用标准按键名称和新增功能参数。
KMonad 0.4.4版本通过全面的功能增强和问题修复,进一步巩固了其作为键盘定制工具的领先地位,为各类用户提供了更强大、更稳定的键盘输入体验。
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-1.5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