Test LattePanda Mu Ultra 256V: lokalne AI i temperatura CPU

Opublikowany przez CNX Software test LattePanda Mu Ultra z procesorem Intel Core Ultra 7 256V na Ubuntu 26.04.1 LTS wykazał, że w tej konfiguracji system rozpoznał grafikę Intel Arc, a OpenVINO uruchomił zadania lokalnej AI. Pod długotrwałym pełnym obciążeniem CPU recenzent odnotował temperaturę pakietu procesora 95–96 °C i spadek taktowania rdzeni P do około 2,1–2,2 GHz.

Konfiguracja testowa i obsługa Linuksa

Test dotyczył wersji 256V z Ubuntu 26.04.1 LTS i jądrem 7.0.0-38-generic. System pracował z dyskiem SSD NVMe, płytką Mini Carrier Board i aktywnym chłodzeniem. Po instalacji sterowników wykrył grafikę Intel Arc; OpenVINO rozpoznał CPU, GPU i NPU, czyli procesor przeznaczony do zadań AI.

W Geekbench 7.1.0 konfiguracja uzyskała 2 007 punktów w teście jednego rdzenia i 6 813 w teście wielordzeniowym. Wynik grafiki Intel Arc w teście OpenCL wyniósł 24 963 punkty.

Długotrwałe obciążenie mocno podniosło temperaturę CPU

Podczas intensywnych testów temperatura pakietu procesora często sięgała 95–96 °C. Przy długotrwałym pełnym obciążeniu taktowanie rdzeni P spadało z początkowego poziomu około 4,7 GHz do 2,1–2,2 GHz. To obserwacja z testowanej konfiguracji z aktywnym chłodzeniem, a nie specyfikacja każdego zestawu LattePanda Mu Ultra.

Vulkan przyspieszał przetwarzanie promptu bardziej niż generowanie

W testach llama.cpp wykonanych na Ubuntu recenzent porównał CPU z GPU działającym przez Vulkan. Użył ośmiu wątków CPU, promptu liczącego 512 tokenów, generowania 128 tokenów i pięciu powtórzeń. GPU wyraźnie zwiększyło tempo przetwarzania promptu, czyli początkowego wejściowego tekstu. Tempo generowania kolejnych tokenów zmieniło się znacznie mniej.

Wyniki pokazują, dlaczego jedna liczba nie wystarcza do opisania szybkości lokalnego modelu językowego: w tych próbach GPU przetwarzało prompt dużo szybciej, ale nie przyspieszało w podobnym stopniu tworzenia odpowiedzi token po tokenie.

Syntetyczny test YOLO26 a obraz z kamery

W teście samego wnioskowania YOLO26 recenzent użył modeli FP16, syntetycznych danych wejściowych o rozdzielczości 640 × 640, 50 przebiegów rozgrzewających i 500 mierzonych iteracji. Wyniki FPS nie obejmują pracy kamery ani dalszego przetwarzania obrazu.

W rzeczywistym potoku obrazu z kamery testy recenzenta na GPU i NPU często osiągały około 10 FPS. W demonstracji rozpoznawania gestów uzyskał około 28–30 FPS przy 640 × 480, około 10 FPS przy 1280 × 720 i 5 FPS przy 1920 × 1080. Te wartości opisują konkretną demonstrację; uwzględniają pracę kamery i dodatkowe etapy przetwarzania, których nie ma w teście syntetycznym.

OpenVINO i Geekbench AI sprawdzały różne ścieżki

OpenVINO rozpoznał CPU, GPU i NPU, a recenzent uruchomił w tym środowisku testy modeli językowych i YOLO26. W osobnej próbie Geekbench AI test GPU OpenVINO zakończył się błędem CL_OUT_OF_RESOURCES, a Geekbench AI nie wykrył NPU. To rezultat tej konkretnej ścieżki testowej; w osobnej konfiguracji OpenVINO NPU został rozpoznany i wykorzystany.

Zestaw wymaga osobnego SSD i zasilacza

Zestaw 256V wymienia moduł, Mini Carrier Board, aktywne chłodzenie, dziesięć nylonowych podkładek dystansowych, pięć nylonowych śrub, zaślepkę przycisku i instrukcje. Mu Ultra nie ma wbudowanej pamięci masowej. Do uruchomienia systemu potrzebny jest osobny zgodny dysk SSD NVMe, a z płytką Mini Carrier Board także zasilacz 12–20 V o mocy co najmniej 50 W. Szczegóły zawartości zestawu i wymagań podaje specyfikacja zestawu 256V w DFRobot.

Demonstracja DigiKey Product Discovery dotyczy osobnej konfiguracji z procesorem Intel Core Ultra 5 226V. Pokazuje montaż modułu na Mini Carrier Board, podłączenie ekranu dotykowego przez eDP i złącze dotyku oraz rozpoczęcie odzyskiwania Windows 11 z pamięci USB przez menu Boot Override. Ekran użyty w demonstracji nie należy do wymienionej zawartości zestawu 256V.