# Домашний AI-кластер из двух нод: зачем одна грязная, а одна чистая > Две одинаковые коробки на Strix Halo живут противоположными жизнями: одна тащит весь сервисный стек в контейнерах, вторая обслуживает одну модель и больше ничего. Это не аккуратность: наш харнесс бракует любой замер, если на хосте нашёлся GPU-сосед. - Published: 2026-08-21 - Evidence level: lab_single_run - Funding: Собственное финансирование, внутреннее исследование - Canonical: https://agmind.ai/ru/reports/two-node-home-ai-lab/ Когда одинаковых коробок с unified memory две, первый инстинкт — разложить нагрузку поровну: сервисы туда и сюда, модели туда и сюда. Мы сделали наоборот. Вся платформа целиком живёт на одной ноде, а вторая обслуживает одну модель и в остальном стоит пустой. Одна грязная, одна чистая — и это не эстетика, а требование методики. ## Что где живёт Грязная нода — это весь стек: Dify, RAGFlow со своей свитой из MySQL, Elasticsearch и MinIO, векторная база, эмбеддинги и реранкинг на встроенном GPU, мониторинг, реверс-прокси и автоматизация по краям. На момент лонгрида на ней крутилось 34 контейнера. Тяжёлую генерацию эта коробка не делает: большие модели отвечают по локальной сети с другого железа. Чистая нода — один сервер llama.cpp на Vulkan с одной MoE-моделью Qwen3.6. Больше на ней нет ничего: ни баз, ни прокси, ни дашбордов. Между замерами она почти простаивает — сознательно. ## Почему чистой ноде нельзя иначе Наш харнесс не верит на слово, что хост был пуст, — он это проверяет. Каждый прогон начинается с инвентаризации хоста: полный список живых контейнеров. В конце прогона инвентаризация снимается ещё раз, и оба снимка уходят в манифест как улика. Если в любом из двух снимков нашёлся GPU-способный сосед — что-то похожее на второй инференс-сервер или GPU-runtime, — ячейка бракуется целиком. Сосед, появившийся посреди прогона, убивает замер так же, как сосед, стоявший с самого начала. На unified memory это не перестраховка: отдельного VRAM здесь нет, и любой сосед сидит на той же полосе памяти, через которую декодирует модель. Логика та же, что во всей [нашей методике бенчмарков](https://agmind.ai/ru/reports/how-to-benchmark-local-llm/): условие, способное обесценить число, должно проверяться машиной, а не обещаться в тексте. А когда «на хосте больше ничего нет» — жёсткий гейт, дешевле всего проходить его второй машиной, где живёт всё остальное. Грязная нода существует, чтобы чистая могла быть пустой. ## Три урока с грязной ноды **Версии фиксируются набором.** Рабочее сочетание ядра, прошивки и драйвера на этом GPU-семействе — именно сочетание; безобидное на вид обновление одного элемента уже приносило регрессии. **Штатный мониторинг молчит.** Фирменная GPU-утилита отвечает N/A по ключевым датчикам, поэтому температуру и питание мы читаем прямо из hwmon маленьким коллектором. Та же болезнь, что мы разбирали [на совсем другом железе](https://agmind.ai/ru/reports/dgx-spark-gpu-monitoring/): зелёный пустой дашборд и скучное лекарство. **GPU-оффлоуд умеет исчезать молча.** Неверно названный Vulkan ICD-манифест отключает GPU без единой ошибки, и генерация тихо едет на CPU. Верить можно только строке в логе рантайма про выгруженные на GPU слои — поэтому харнесс бракует и обнаруженный CPU-фолбэк. Полная история — конфигурации, тюнинг памяти под GTT, замеры эмбеддингов и инференса, честный список нерешённого — в [лонгриде на Habr](https://habr.com/ru/articles/1058502/). Эта страница — короткая карта; первоисточник там. --- Machine-readable claim registry: https://agmind.ai/claims.json · llms.txt: https://agmind.ai/llms.txt