Define four-profile production matrix with Medium default

docs/ARCHITECTURE.md

@@ -20,7 +20,7 @@ Heimnetz / VPN-Clients
         +-- Profile Controller -- Docker Socket (feste Allowlist)
         +-- llama-fast         --\
         +-- llama-medium         > exakt einer aktiv
-        +-- llama-long         --/
+        +-- llama-large        --/
         +-- llama-experimental
         +-- llama-ultra (256K, text-only, dual GPU)
         +-- Piper-TTS (CPU, nur intern)
@@ -44,8 +44,8 @@ Heimnetz / VPN-Clients
 | SearXNG/TinySearch | nein | Suchbackend des Web-MCP |
 
 Nur der Profile Controller erhält den Docker-Socket. Der Router erhält weder
-Socket noch Shell-Zugriff und kann dem Controller nur `fast`, `medium`, `long`
-oder `experimental` übergeben. Die llama-Container laufen ohne UI,
+Socket noch Shell-Zugriff und kann dem Controller nur `fast`, `medium`, `large`,
+`ultra` oder `experimental` übergeben. Die llama-Container laufen ohne UI,
 Capabilities und Schreibzugriff auf die Modelldateien.
 
 ## Profilprinzip
@@ -60,13 +60,13 @@ halten.
 | Profil | Ausgangswert | Zweck |
 |---|---:|---|
 | fast | 76.800 Kontext, MTP | mindestens ungefähr 80 Token/s anstreben |
-| medium | 94.208 Kontext | mehr Kontext ohne CPU-FFN-Offload |
-| long | 131.072 Kontext | maximale Nutzbarkeit, CPU-Offload erlaubt |
+| medium | 160.000 Kontext, Pure, 90:10, MTP3 | Standardprofil |
+| large | 192.000 Kontext, Pure, 86:14, MTP3 | große Agenten-/MCP-Sitzungen |
+| ultra | 262.144 Kontext, Pure, 80:20, MTP2 | maximaler Textkontext |
 | experimental | 76.800 Kontext | isolierte Tests ohne Produktion zu ändern |
 
-Diese Werte sind reproduzierbare Startwerte, keine Garantie. Nach Einbau der
-RTX 3060 werden sie auf dem Zielhost erneut gemessen. Die zweite Karte wird
-nicht automatisch in die Produktionsprofile aufgenommen.
+Diese Matrix wurde auf RTX 5080 und RTX 3060 gemessen und ist bis zu einer
+bewussten Neubewertung der verbindliche Produktionsstandard.
 
 ## Netzwerk