Google Coral no funciona en Frigate: alternativa 2026

Si tu Google Coral dejó de detectar personas o vehículos después de actualizar el sistema operativo, no es un problema de tu configuración: el driver que lo hace funcionar fue archivado en GitHub y ya no compila en kernels Linux recientes. El repositorio gasket-driver quedó archivado el 18 de abril de 2026, y si tu host corre un kernel posterior al 6.2, el acelerador simplemente no arranca sin parches no oficiales de la comunidad. La propia documentación de Frigate ya sacó al Coral de la lista de hardware recomendado para instalaciones nuevas, y en paralelo el proyecto pasó de la 0.17.2 a una 0.18.0 ya estable. Esto obliga a decidir hardware de reemplazo ahora, no en seis meses.

Qué significa que el driver esté "archivado" y por qué ya no sirve

Archivar un repositorio en GitHub significa que nadie lo mantiene: no hay parches de seguridad, no hay compatibilidad con kernels nuevos, no hay futuro. En el caso del Coral, la documentación oficial de Frigate ya indica que el Coral ya no se recomienda para instalaciones nuevas, salvo en despliegues con requisitos de muy bajo consumo o hardware incapaz de usar otros aceleradores. El problema no es de rendimiento —el chip sigue siendo rápido y eficiente—, sino de mantenimiento: la pila de software que lo soporta en Linux quedó abandonada y eso rompe cualquier instalación nueva sobre un kernel actual, según documentó el propio equipo de Frigate en el issue que proponía retirar la recomendación.

En la práctica, esto golpea distinto según el modelo. Los Coral M.2 y PCIe dependen del driver Gasket, que no compila en kernels 6.4 o superiores, mientras que la versión USB depende de un runtime de TensorFlow Lite que no ha recibido parches en años y puede fallar en versiones recientes. Si ya tienes un Coral funcionando y no piensas tocar el sistema operativo, puede seguir sirviendo; si vas a instalar Frigate desde cero o actualizar tu distro, ya no es la opción por defecto.

Dos rutas de reemplazo: mini PC Intel N100 con OpenVINO vs Raspberry Pi 5 + Hailo-8

La alternativa más simple ni siquiera es un accesorio nuevo: si tu NVR ya corre sobre un mini PC con CPU Intel moderna, la GPU integrada puede hacer la detección vía OpenVINO sin gastar un peso adicional. Según pruebas publicadas por la comunidad, un N100 corriendo MobileNetV2 por la iGPU ronda los 15 ms de inferencia, y en CPUs Intel más nuevas con NPU dedicada esa cifra baja a cerca de 6 ms. Para la mayoría de las casas con una a seis cámaras, eso sobra: en ese rango, la GPU integrada maneja tanto la decodificación de video vía Quick Sync como la detección por OpenVINO en el mismo chip, sin costo adicional.

La segunda ruta es Raspberry Pi 5 más un acelerador Hailo. Aquí hay un matiz importante que mucha gente pasa por alto: una Raspberry Pi sola no es viable más allá de una o dos cámaras con detección de movimiento básica, y agregar el AI HAT+ con Hailo-8L o Hailo-8 soluciona la detección pero no la decodificación de video, por lo que sigue topando con pocas transmisiones de baja resolución. El Hailo-8L corre el modelo YOLOv6n en alrededor de 10 a 13 ms, y el Hailo-8 completo baja a 6-7 ms con YOLOv8n, según las cifras documentadas por Frigate. Es decir: el acelerador rinde bien, pero el cuello de botella en una Pi suele estar en el procesador, no en el chip de IA.

• Mini PC N100/N150 + OpenVINO: ideal si partes de cero y quieres un solo equipo que decodifique y detecte.
• Raspberry Pi 5 + Hailo-8/8L: tiene sentido si ya tienes la Pi, quieres el consumo eléctrico más bajo posible, o te interesa experimentar con otros modelos de IA en el mismo equipo.
• Hailo-8 en M.2 dentro de un mini PC x86: la opción para quien quiere escalar a más cámaras sin cambiar de plataforma, aprovechando un slot M.2 libre.

Qué cambia entre Frigate 0.17.2 y la ya estable 0.18.0

Frigate 0.17.2, publicada a fines de junio de 2026, fue durante meses la versión estable de referencia, con foco en parches de seguridad para instancias expuestas públicamente y mejoras de rendimiento en la vista en vivo. Pero la serie 0.18.0 pasó por beta desde julio, por candidatos a release en agosto y septiembre, y se convirtió en la versión estable el 12 de septiembre de 2026, reemplazando el flujo centrado en el archivo YAML por configuración completa desde la interfaz web.

Antes de actualizar conviene revisar los cambios que rompen compatibilidad: FFmpeg se actualizó a la versión 8 (lo que puede exigir ajustes en configuraciones de go2rtc con aceleración por hardware), el detector DeGirum fue retirado porque la empresa cesó operaciones el 1 de agosto de 2026, y DeepStack quedó marcado como obsoleto para desaparecer en la 0.19. La configuración de proveedores de GenAI también cambió de formato. Frigate intenta migrar la configuración automáticamente, pero si esa migración falla, puede ser necesario editar máscaras y zonas a mano.

Cómo migrar sin perder tu historial de eventos

El archivo config.yml y la base de datos de eventos/grabaciones viven en rutas distintas dentro de tu instalación Docker: mientras no borres ni reformatees los volúmenes donde están montados, el historial sobrevive a la actualización del contenedor. El orden recomendado es: primero respalda config.yml y la carpeta de clips/base de datos completa; segundo, actualiza la imagen de Frigate manteniendo esos mismos volúmenes montados; tercero, revisa que el detector configurado (coral, openvino, hailo8l, etc.) coincida con el hardware físico que realmente tienes instalado antes de reiniciar el servicio. Si cambias de acelerador en el mismo paso que actualizas de versión, hazlo por separado: primero sube de versión con el detector antiguo si aún funciona, confirma que todo arrancó bien, y recién después cambia el detector en una segunda pasada. Mezclar ambos cambios a la vez dificulta saber cuál de los dos rompió algo si algo falla.

Costos por tamaño de instalación y errores comunes al migrar

Como referencia internacional —no precios finales en pesos chilenos, que dependen de importador y disponibilidad— un mini PC N100/N150 nuevo ronda los USD 300-340, un módulo Hailo-8L cuesta cerca de USD 70, un Hailo-8 completo bordea los USD 200, y un armado Raspberry Pi 5 más AI HAT con Hailo está alrededor de USD 240 en total. Para una a seis cámaras con actividad baja o media, un N100 con OpenVINO suele bastar sin acelerador adicional; entre seis y doce cámaras conviene subir a una CPU Intel de la familia Core (clases 1220P o 125H) manteniendo OpenVINO; sobre doce cámaras con alta actividad, recién ahí se justifica sumar un Hailo-8 dedicado o una GPU discreta.

El error más común al migrar no es de hardware sino de configuración: cambiar de detector sin volver a calibrar zonas y máscaras. Cada modelo tiene su propia resolución de entrada y su propia calibración de confianza, así que una zona ajustada para el Coral con SSD-MobileNet puede generar falsos positivos o, peor, dejar de disparar grabaciones con un modelo YOLOv6n en Hailo. Después de cualquier cambio de detector, revisa primero la pestaña de debug en vivo durante al menos un día completo antes de confiar en las alertas, y ajusta los umbrales de zona en función de lo que realmente detecta el modelo nuevo, no de lo que detectaba el anterior.

Qué hacer ahora

Si tu Coral sigue funcionando y no vas a tocar el sistema operativo, puedes esperar: Frigate seguirá dándole soporte mientras sea viable. Pero si estás por reinstalar, cambiar de distro o armar un NVR nuevo, parte por inventariar qué CPU tiene tu equipo actual —si es Intel con AVX2, probablemente ya tienes todo lo que necesitas vía OpenVINO antes de gastar en un acelerador aparte. Define tu número real de cámaras y su actividad antes de comprar nada, revisa las notas de cambios de la 0.18.0 completas antes de actualizar en producción, y guarda un respaldo de tu config.yml y tu base de datos antes de tocar cualquier cosa.