Reticulum项目0.9.6版本发布:全面升级加密与资源传输能力
Reticulum是一个面向去中心化通信的网络协议栈,它提供了简单而强大的工具来构建可靠的点对点网络应用。作为一个轻量级的网络层,Reticulum特别适合在不可靠或受限的网络环境中使用,如业余无线电、低带宽连接或临时网络。
加密升级:AES-256成为默认标准
在0.9.6版本中,最显著的改进是将AES-256加密算法设置为所有通信的默认加密模式。这一变化反映了项目对安全性的持续承诺。AES-256作为目前公认的安全加密标准,提供了比之前使用的AES-128更强的保护级别。
值得注意的是,这是最后一个支持AES-128加密模式的版本,开发者计划在下一个版本中完全移除对AES-128的支持。这一决策鼓励开发者及时更新他们的应用以适应新的安全标准。
资源传输API的增强
0.9.6版本对资源传输功能进行了多项改进:
-
文件传输优化:现在可以通过Request API高效地传输文件作为响应,这简化了文件共享的实现流程。
-
元数据支持:Resource传输现在支持附加元数据,为开发者提供了更大的灵活性,可以在传输过程中携带额外的上下文信息。
-
自动压缩控制:新增了选项允许开发者指定Resource和Request响应的自动压缩限制,使开发者能够更好地控制传输效率和资源消耗之间的平衡。
性能与内存优化
该版本包含多项底层改进以提升性能和资源利用率:
-
动态链路管理:实现了动态计算链路保持活动状态和超时时间,使网络连接更加智能和高效。
-
内存优化:改进了共享实例连接应用的内存使用,特别是针对大文件传输的场景优化了rncp工具的内存消耗。
-
硬件适配:增强了硬件MTU自动配置功能,使Reticulum能够更好地适应不同的网络硬件环境。
实用工具改进
rncp工具(Reticulum的文件传输工具)新增了允许覆盖文件的选项,提高了使用便利性。同时针对大文件传输进行了内存优化,使其在处理大型数据时更加高效。
问题修复
该版本修复了一个重要的稳定性问题:解决了共享实例消失后公告处理器不触发的问题,提高了系统的可靠性。
开发者资源
随版本发布的还包括更新后的手册(提供EPUB和PDF格式),为开发者提供了全面的参考文档。这些文档详细介绍了API使用方法和最佳实践,特别是新增的Resource传输示例,为开发者实现文件传输功能提供了实用参考。
0.9.6版本的这些改进使Reticulum在安全性、性能和易用性方面都迈上了一个新台阶,为构建更安全、更高效的分布式应用提供了坚实基础。开发者应尽快升级以利用这些新特性,并为即将到来的完全过渡到AES-256做好准备。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00