GladysAssistant项目v4.58.1版本发布:MQTT与Matter协议优化
GladysAssistant是一个开源的智能家居自动化平台,致力于为用户提供简单易用的家庭自动化解决方案。该项目通过模块化设计支持多种智能家居协议和设备集成,让用户能够在一个统一的界面中管理所有智能设备。
本次发布的v4.58.1版本主要针对MQTT协议和Matter协议进行了多项优化和问题修复,提升了系统的稳定性和用户体验。
MQTT协议改进
在MQTT协议方面,开发团队修复了一个重要的内存管理问题。当用户删除一个MQTT功能时,系统现在能够正确清理与该功能相关的自定义监听参数。这个问题如果不修复,可能会导致系统内存泄漏,长期运行后影响系统性能。
Matter协议增强
对于新兴的Matter智能家居标准,本次更新包含了两项重要改进:
-
配对码长度支持扩展至21个字符,这符合Matter规范的最新要求,确保与更多设备的兼容性。
-
修复了窗帘/卷帘设备的单位显示问题,现在能够正确显示百分比单位,为用户提供更准确的控制反馈。
数据可视化优化
在数据可视化方面,开发团队改进了图表计算算法。现在系统使用聚合函数来计算数值变化和最后值,这显著提升了图表渲染的性能,特别是在处理大量历史数据时效果更为明显。
用户界面改进
本次更新还对集成页面进行了重构,解决了页面刷新时分类显示异常的问题。通过移除对unistore的依赖,代码结构更加清晰,维护性得到提升。这一改进虽然用户可能不会直接感知到,但为后续功能开发奠定了更好的基础。
测试环境优化
开发团队还注意到测试环境中的一个细节问题,即在测试过程中禁用了升级检查功能。这一改动虽然不影响最终用户,但提高了开发过程中的测试效率,体现了团队对开发体验的重视。
总体而言,v4.58.1版本虽然是一个小版本更新,但包含了多项重要的稳定性改进和用户体验优化,特别是对MQTT和Matter这两种重要协议的支持更加完善。这些改进使得GladysAssistant作为一个开源智能家居平台更加成熟可靠。
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