# Централизация ИИ: что можно перенести на MCore4 Pro (23.10) ## Что уже есть в стеке (факты) | Задача | Где сейчас | Ресурсы | GPU | |---|---|---|---| | LLM (Ollama) | CT160 `llm-lxc` | 2 ядра, 4 ГБ | **нет** (`/dev/dri` отсутствует) | | Frigate | CT126 `frigate-lxc` | 2 ядра, 2 ГБ | **нет**, Coral нет, камер нет | | Paperless OCR | CT105 | CPU | нет | | Immich ML | в реестре есть, не развёрнут | — | — | | DeepSeek (облако) | внешний API | — | — | Отсюда 121 секунда на 3B-модель: **2 ядра без GPU**. ## Что можно перенести на MCore4 Pro | Нагрузка | Пойдёт? | Комментарий | |---|---|---| | LLM 7B (Q4) | ✅ отлично | ~4.5 ГБ, iGPU/NPU | | LLM 14B (Q4) | ✅ при 32 ГБ RAM | ~9 ГБ | | Whisper STT | ✅ | small/medium в реальном времени | | Piper TTS | ✅ | копейки по ресурсам | | Эмбеддинги (RAG) | ✅ | ~0.5 ГБ | | Frigate-детекция | ✅ с **Coral USB** | иначе съест iGPU | | Frigate-декодирование | ✅ Arc (VAAPI) | лучше, чем CPU | | Immich ML | ⚠️ лучше рядом с фото | всплесковая нагрузка | | Paperless OCR | ⚠️ можно, но незачем | CPU-задача, места мало | ## Хватит ли 16 ГБ | Комбинация | RAM | Вывод | |---|---|---| | LLM 7B + Whisper + TTS + эмбеддинги | ~7 ГБ | ✅ свободно | | LLM 14B + Whistper + TTS | ~12 ГБ | ✅ впритык, но можно | | LLM 7B + Frigate с 3 камерами + Whisper | ~10 ГБ | ⚠️ зависит от разрешения | | Всё сразу + Immich ML | 16 ГБ | ❌ будет swap | **Вывод:** 16 ГБ хватает на «ИИ-хаб» (LLM+STT+TTS). Для 14B-моделей и камер одновременно нужно **32 ГБ** (2×16 DDR5 SO-DIMM, два слота есть). ## Как устроен (что проверить при вскрытии) Корпус 188×188×47.5 мм, крепление VESA, нижняя крышка на винтах. | Узел | Ожидание | Что проверить | |---|---|---| | RAM | 2× SO-DIMM DDR5, оба заняты 8+8 | есть ли запас по объёму (до 64/96 ГБ) | | SSD | M.2 NVMe 2280, 256 ГБ | длина слота, Key M, есть ли второй слот 2242 | | Coral | — | **M.2-слот занят SSD** → брать Coral **USB** | | Охлаждение | активный вентилятор | шум в гостиной | | BIOS | UEFI, Secure Boot, TPM 2.0 | можно ли отключить Secure Boot для Linux | ## Два варианта архитектуры ### A. ИИ-узел (рекомендую) ``` MCore4 Pro ├── Ollama (7B/14B, OpenAI-совместимый API) ← единая точка для всех ├── faster-whisper ├── Piper TTS └── эмбеддинги для RAG ``` Все сервисы (HA, боты, секретарь, поиск, голос) ходят на **один адрес**. DeepSeek остаётся как fallback для сложных запросов. Frigate — отдельно, с **Coral USB**, потому что видеопоток — это I/O, а не ИИ; смешивать с LLM на одной машине рискованно. ### B. Всё на одной машине MCore4 Pro + SSD 1 ТБ + 32 ГБ RAM + Coral USB: LLM, Frigate, Immich ML. Плюс — одна точка. Минус — единая точка отказа и 16 ГБ мало без апгрейда. ## Что даёт апгрейд | Апгрейд | Цена (ориентир) | Что даёт | |---|---|---| | RAM 2×16 ГБ DDR5 | 5–8 тыс ₽ | 14B-модели, несколько задач | | SSD 1 ТБ NVMe | 5–7 тыс ₽ | модели + кэш Frigate + Docker | | Coral USB | 5–7 тыс ₽ | детекция без нагрузки на CPU/GPU | **SSD 256 ГБ для ИИ-узла достаточно:** 7B ≈ 4.5 ГБ, 14B ≈ 9 ГБ, Whisper ≈ 1 ГБ, TTS ≈ 0.2 ГБ. Менять SSD стоит только под Frigate-кэш. ## Как решить без гаданий 1. Загрузиться с USB-флешки в Debian Live (не трогая внутренний SSD). 2. Запустить замеры: * `ollama run qwen2.5:7b` → токенов в секунду; * `faster-whisper small` → время на 10-секундную фразу; * `vainfo`/`intel_gpu_top` → виден ли Arc. 3. Если 7B даёт ≥10 ток/с — узел годится для ассистента. 4. Если ≥20 ток/с — можно думать про 14B. Пока нет этих цифр, решение — вера, а не инженерия.