RaspberryBlitz项目:Raspberry Pi 5支持Pimoroni NVMe Base的技术解析
硬件兼容性概述
RaspberryBlitz项目团队近期完成了对Pimoroni NVMe Base在Raspberry Pi 5上的支持测试。这款M.2 NVMe SSD扩展板为树莓派用户提供了高性能存储解决方案,通过PCIe接口直接连接,显著提升了存储性能。
关键技术要求
要使Pimoroni NVMe Base正常工作,必须满足以下条件:
-
固件版本要求:设备需要运行2023年12月6日或更新的树莓派固件版本(版本号1701887365)。早期批次的RPi5可能需要手动更新固件。
-
固件更新方法:
- 检查当前固件版本:
sudo rpi-eeprom-update - 更新固件:
sudo rpi-eeprom-update -a - 更新后需要手动重启设备
- 检查当前固件版本:
性能测试结果
项目团队收集了多种NVMe SSD在Pimoroni Base上的性能表现:
-
Samsung 970 EVO Plus 2TB
- 读取速度:775.86 MB/s
- 型号:S6P1NS0T208608F
-
Crucial P3 2TB
- 读取速度:411.38 MB/s
- 型号:CT2000P3SSD8
-
Lexar NM620 1TB
- 读取速度:806.21 MB/s
- 型号:LNM620X001T-RNNNG
-
WD_BLACK SN770 2TB
- 读取速度:749.08 MB/s
- 型号:WDS200T3X0E
测试命令统一使用:sudo hdparm -t --direct /dev/nvme0n1p1
区块链同步性能提升
实际使用中,采用NVMe存储后区块链同步时间显著缩短:
- 传统USB SSD同步时间:约10天
- NVMe存储同步时间:约4天
- 直接拷贝区块链数据:仅需约24分钟(假设550GB数据,400MB/s传输速率)
系统配置建议
-
操作系统安装:建议将操作系统安装在SD卡上,NVMe专门用于存储区块链数据,这样可以方便进行系统更新迭代。
-
PCIe配置:虽然
pciex1_gen=3参数在某些情况下可以提升性能,但测试表明Pimoroni NVMe Base在不使用此参数时也能正常工作。 -
电源考量:使用NVMe存储时,建议测试同时连接其他USB设备时的电源稳定性,确保不会因功率不足导致性能下降或设备异常。
未来优化方向
项目团队计划在后续版本中:
- 开发从传统USB存储迁移到NVMe存储的工具
- 进一步优化NVMe存储的性能表现
- 完善多设备同时工作时的电源管理方案
结论
Pimoroni NVMe Base为Raspberry Pi 5用户提供了显著的存储性能提升,特别适合需要高速数据读写的区块链应用场景。通过简单的固件更新和配置调整,用户可以轻松享受到NVMe存储带来的性能优势。RaspberryBlitz项目已全面支持该硬件配置,为用户提供了稳定可靠的高性能节点解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00