Asuswrt-Merlin.ng项目:RT-AX95Q路由器固件升级问题解析
问题概述
在Asuswrt-Merlin.ng项目中,用户反馈在尝试为RT-AX95Q(XT8)路由器升级固件时遇到了上传失败的问题。用户当前运行的是官方3.0.0.4.388_23285版本固件,在MacOS 14.1.2系统下使用多种浏览器(Vivaldi、Chrome、Firefox)均无法完成固件上传。
问题现象
当用户尝试上传新固件时,系统会立即显示"请等待,正在应用设置..."的提示,但随后便停滞不前。在此期间,用户无法访问路由器管理界面,尽管互联网连接仍然保持正常。几分钟后,用户可以重新登录路由器,但固件并未完成更新。
问题排查
-
固件版本验证:用户尝试了多个版本的Gnuton定制固件,包括RT-AX95Q_3004_388.5_0-gnuton1_puresqubi.w和RT-AX95Q_3004_388.4_0-gnuton1_puresqubi.w,均出现相同问题。
-
环境检查:
- 操作系统:MacOS 14.1.2
- 浏览器:Vivaldi、Chrome、Firefox
- 网络连接:稳定
-
常见解决方案尝试:
- 移除USB设备(有用户反馈USB设备可能导致固件更新问题)
- 使用移动设备尝试更新
- 多次下载固件文件确保完整性
根本原因
经过深入分析,确定问题的根源在于硬件版本兼容性。RT-AX95Q(XT8)路由器存在V1和V2两个硬件版本,而当前Asuswrt-Merlin.ng项目仅支持V1版本的设备。当用户尝试在V2设备上安装仅支持V1的固件时,系统无法完成更新过程。
解决方案
-
确认硬件版本:用户应首先检查路由器的硬件版本,确认是否为V1。
-
等待V2支持:目前项目尚未支持V2设备,用户可以关注项目更新,等待未来可能添加的V2支持。
-
使用官方固件:对于V2设备用户,建议暂时使用官方固件,直到社区开发出兼容版本。
技术建议
-
固件兼容性检查:在进行固件升级前,务必确认固件版本与硬件版本的兼容性。
-
更新环境准备:
- 确保网络连接稳定
- 关闭不必要的浏览器插件
- 清除浏览器缓存
- 使用有线连接而非WiFi进行固件更新
-
故障恢复:如果更新过程中出现问题,可以尝试以下恢复方法:
- 等待路由器自动恢复
- 手动重启设备
- 使用恢复模式进行固件刷新
总结
路由器固件升级是一个需要谨慎操作的过程,硬件版本兼容性是关键因素之一。Asuswrt-Merlin.ng项目目前对RT-AX95Q(XT8)的支持仅限于V1版本设备,V2设备用户需要等待未来的兼容性更新。在进行任何固件升级前,用户都应充分了解自己的设备版本和固件要求,以避免不必要的升级失败和设备故障。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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