5.0 KiB
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
- Загрузиться с USB-флешки в Debian Live (не трогая внутренний SSD).
- 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.
- Если 7B даёт ≥10 ток/с — узел годится для ассистента.
- Если ≥20 ток/с — можно думать про 14B.
Пока нет этих цифр, решение — вера, а не инженерия.