Update llama runtime and isolate background reviews

docs/CURRENT_RUNTIME_NOTES.md

@@ -0,0 +1,53 @@
+# Aktueller temporärer Laufzustand
+
+Stand: 31. August 2026
+
+## Produktive llama.cpp-Runtime
+
+Alle Textprofile und das Review-Modell verwenden llama.cpp Build 10718,
+Commit `41ef91f7c8046087cdfbb276b79bff311ecf1c6d`. Der vorherige Build 10587
+wurde nach einem kontrollierten A/B-Test ersetzt. Der Wechsel verbessert den
+Durchsatz bei großen Werkzeuglisten, ohne im 70K-/120K-Kontext- und Cachetest
+eine Regression zu zeigen.
+
+## Qwen Medium: vorübergehend ohne Vision-Projektor
+
+`qwen-medium` läuft aktuell als reines Textprofil **ohne `--mmproj`**. Das ist
+ein vorläufiger Workaround für einen llama.cpp-Fehler, bei dem ein geladener
+Multimodal-/Vision-Projektor die Wiederverwendung des Prompt-/KV-Caches
+verhindern und dadurch eine vollständige erneute Prompt-Verarbeitung auslösen
+kann.
+
+Dabei gilt ausdrücklich:
+
+- Der Gesamtkontext bleibt bei **160.000 Tokens**.
+- **MTP / Speculative Decoding bleibt aktiviert**; MTP wurde nicht entfernt.
+- Modell, Quantisierung, GPU-Aufteilung und KV-Cache-Quantisierung bleiben
+  unverändert.
+- Nur die Bildanalyse über den Qwen-Vision-Projektor ist im Medium-Profil
+  vorübergehend nicht verfügbar.
+- Der Workaround ist noch nicht durch einen vollständig kontrollierten lokalen
+  A/B-Test mit identischen Anfragen bestätigt. Er entspricht jedoch dem in
+  llama.cpp Issue #19858 und verwandten Meldungen beschriebenen Workaround.
+
+Referenz:
+
+- https://github.com/ggml-org/llama.cpp/issues/19858
+- https://github.com/ggml-org/llama.cpp/issues/21133
+
+## Separates bekanntes Problem
+
+Automatische Hermes-Hintergrundanfragen können weiterhin den einzigen aktiven
+llama.cpp-Slot belegen und damit den Cache eines großen Chats verdrängen. Dieses
+Slot-Eviction-Problem ist unabhängig vom MMProj-Workaround und muss separat in
+der Hermes-Auxiliary-/Hintergrundverarbeitung geklärt werden.
+
+## Nächster Entscheidungspunkt
+
+Vor einer dauerhaften Übernahme kontrolliert vergleichen:
+
+1. identischer Mehrturn-Textchat mit MMProj,
+2. identischer Mehrturn-Textchat ohne MMProj,
+3. jeweils keine parallelen Hermes-Hintergrundanfragen,
+4. gelesene beziehungsweise erneut verarbeitete Prompt-Tokens und Prefill-Zeit
+   vergleichen.