Sixfab začal nabízet AI HAT+ pro Raspberry Pi 5 s akcelerátorem DEEPX DX-M1M. Výrobce uvádí výkon 25 TOPS při typickém příkonu NPU okolo 3 W a podporu obrazových i menších jazykových modelů. Důležitá poznámka: tři watty neznamenají spotřebu celé sestavy a zveřejněné benchmarky nejsou nezávislým redakčním měřením.
Co Sixfab AI HAT+ přidává k Raspberry Pi 5
Deska se připojuje přes rozhraní PCIe Raspberry Pi 5 a používá NPU DEEPX DX-M1M s vlastními 2 GB paměti LPDDR4x. Podle dokumentace je zaměřená na lokální inference: rozpoznávání objektů, klasifikaci a segmentaci obrazu, odhad pózy, kompaktní vision-language modely a menší jazykové modely.
| Vlastnost | Údaj výrobce | Co si pohlídat |
|---|---|---|
| Výpočetní výkon | 25 TOPS při INT8 | Samotné TOPS nepopisují rychlost konkrétního modelu ani jeho přesnost. |
| Paměť NPU | 2 GB LPDDR4x | Velikost a architektura modelu musí odpovídat podporovanému toolchainu. |
| Typický příkon NPU | přibližně 3 W při trvalé zátěži | Nejde o spotřebu celé sestavy Pi 5, kamery, úložiště a chlazení. |
| Připojení | PCIe Gen 3 ×1 | Quickstart doporučuje povolit Gen 3 a po restartu ověřit skutečně navázanou rychlost. |
Právě údaj o příkonu je pro dlouhodobě běžící zařízení zajímavější než samotné špičkové TOPS. U lokální kamery, robota nebo senzoru rozhoduje také chlazení, stabilita, latence a to, zda model udrží přesnost v reálných podmínkách.
Výkon: čísla jsou od výrobce, ne z naší laboratoře
Článek Raspberry Pi uvádí výsledky naměřené na Raspberry Pi 5 s 8 GB RAM a aktuálním softwarem Sixfab. Pro DX-M1M zmiňuje 2361 FPS u MobileNet V2 v rozlišení 240 × 240, 155 FPS u DeepLabV3+ v rozlišení 512 × 512 a u modelu Qwen3-1.7B čas do prvního tokenu 599,04 ms při rychlosti 4,64 tokenu za sekundu.
Tato čísla bereme jako výrobcem publikovaný orientační výsledek. Bez stejného modelu, kompilace, vstupních dat, verze runtime, chlazení a měření celé sestavy je nelze zaměnit za univerzální výkon ani za naše doporučení k nákupu. Pro reálný projekt je potřeba porovnat nejen rychlost, ale i přesnost na vlastních datech, latenci, teplotu a spotřebu celé sestavy.
Jak vypadá oficiální první spuštění
Quickstart Sixfab počítá s Raspberry Pi 5, 64bitovým Raspberry Pi OS Trixie, napájením USB PD alespoň 27 W a doporučeným chlazením Raspberry Pi 5. Samotný HAT se montuje pouze při odpojeném napájení. Dokumentace pak instaluje repozitář Sixfab a runtime DEEPX:
sudo apt update
sudo apt install apt-repo-sixfab
sudo apt update && sudo apt install sixfab-dx
dxrt-cli -s
run_hello_world
dxtopPřed instalací cizího APT repozitáře si vždy znovu otevřete aktuální dokumentaci výrobce. Příkaz dxrt-cli -s má ověřit ovladač, runtime, firmware NPU a rychlost PCIe; demonstrační run_hello_world spustí připravený model a dxtop ukazuje vytížení, takt a teplotu NPU.
Naše redakce tento postup na fyzickém AI HAT+ neprovedla. Nejde tedy o instalační návod ověřený krok za krokem, ale o přehled aktuálního oficiálního postupu. Další návody najdete v rubrice Návody a inspiraci pro vlastní sestavy v rubrice Projekty.
Pro jaké projekty dává akcelerátor smysl
- Lokální kamera: detekce nebo třídění událostí bez odesílání každého snímku do cloudu.
- Robotika: obrazová inference na NPU, zatímco procesor Raspberry Pi řeší řízení, komunikaci a uživatelské rozhraní.
- Kontrola výroby: úzce vymezené rozpoznávání vad nebo stavu pracovního prostoru.
- Domácí projekt: hlídání 3D tisku, zahrady nebo zvířete s lokálním filtrováním důležitých událostí.
Není to náhrada cloudových modelů s rozsáhlými znalostmi, dlouhým kontextem nebo průběžným učením. Nejlépe odpovídá úzce zaměřeným úlohám, u kterých jsou důležité nízká latence, soukromí, provoz bez internetu a předvídatelný energetický rozpočet.
Na co čekat před případnou koupí
Před rozhodnutím ověřte cenu a dostupnost v Česku, podporu konkrétního modelu v DEEPX ModelZoo nebo kompilátoru DX-COM, požadavky na napájení a mechanickou kompatibilitu s vaší skříní a chlazením. Sixfab nyní uvádí dostupnost 25TOPS varianty; slabší 13TOPS verzi očekává až ke konci roku 2026.
Další aktuální oznámení sledujeme v rubrice Novinky. Pokud bude k dispozici fyzický kus a reprodukovatelný testovací scénář, samostatná recenze musí zveřejnit verze softwaru, model, vstupní data, přesnost, výkon, teplotu i příkon celé sestavy.
Úroveň ověření
Ověřeno z autoritativních primárních zdrojů, bez praktického testu hardwaru. Parametry, instalační požadavky a postup jsme 5. října 2026 porovnali s oficiálním článkem Raspberry Pi, quickstartem Sixfab a veřejným repozitářem DEEPX. Benchmarky jsou zřetelně označené jako výsledky výrobce; redakce je nezměřila ani nereprodukovala.
Zdroje
- Raspberry Pi: Seeing, understanding, and responding: low-power CNN, VLM and SLM workloads on Raspberry Pi 5, 5. 10. 2026
- Sixfab: AI HAT+ Quickstart, zkontrolováno 5. 10. 2026
- DEEPX: DX-AllSuite, veřejný repozitář, zkontrolováno 5. 10. 2026
Nejnovější komentáře