Define four-profile production matrix with Medium default

docs/CURRENT_REFERENCE.md

@@ -1,8 +1,8 @@
 # Aktueller produktiver Referenzstand
 
-Stand: 20. August 2026. Dieses Dokument beschreibt die funktionierende
-Referenz vor dem geplanten Neuaufbau. Es ist keine Empfehlung, jede Altlast des
-Hosts zu übernehmen.
+Stand: 22. August 2026. Dieses Dokument beschreibt die auf Athena installierte
+und geprüfte Docker-Referenz. Die verbindlichen Profilparameter stehen in
+`STANDARD_PROFILE_MATRIX.md`.
 
 ## Hardware und Betriebssystem
 
@@ -12,10 +12,10 @@ Hosts zu übernehmen.
 | Kernel | 6.12.101+deb13-amd64 |
 | CPU | AMD Ryzen 5 5600, 6 Kerne/12 Threads |
 | RAM | 48 GiB DDR4-2666 |
-| GPU | NVIDIA GeForce RTX 5080, 16 GiB VRAM |
+| GPUs | NVIDIA GeForce RTX 5080, 16 GiB + RTX 3060, 12 GiB VRAM |
 | NVIDIA-Treiber | 610.57.04 |
 | System-SSD | Samsung 980 PRO 1 TB |
-| Daten-SSD | Samsung 980 PRO 2 TB |
+| Daten-SSD | WD Blue SN580 1 TB, unter `/data` |
 
 Die früher verwendete Radeon RX 470 ist ausgebaut und gehört nicht zur
 Zielplattform.
@@ -28,23 +28,22 @@ Zielplattform.
 | Repository | `https://github.com/ggml-org/llama.cpp.git` |
 | Commit | `4df29be4f4c3673f428170fda944a5b19f743bb8` |
 | Compiler | GCC 14.2 |
-| Hauptdienst | `mike-ai-llama-ui.service` |
-| llama.cpp-Port | 8080, auf dem alten Host noch im LAN gebunden |
+| Hauptdienst | jeweils ein Container `mike-ai-llama-<profil>` |
+| llama.cpp-Port | 8080, ausschließlich im internen Docker-Netz |
 | Client-Port | 8081 über den Router |
 | MCP-Konfiguration | getrennte Container unter `/opt/mike-ai/mcp-containers` |
 
-### Aktives Fast-Profil
+### Aktives Standardprofil
 
-- Qwen3.8-27B IQ4-MIX
-- Dateigröße: 14.111.614.400 Bytes
-- SHA256: `54879ae8738d5938f46cb3b8cbf16bf42b8c85b7d68d7c73f062b612ec183e36`
-- Öffentliche Herkunft ist noch nicht ausreichend dokumentiert; für eine
-  bitgenaue Migration muss die geprüfte Datei vom Referenzhost gesichert werden.
-- Kontext 76.800
-- vollständig auf CUDA0
+- Qwen3.8-27B IQ4_XS Pure
+- Dateigröße: 14.534.384.640 Bytes
+- SHA256: `ea5a3c45d407f9b9e5d2c0d647f0ea600f486f6b86b92b56d0823ba073dae675`
+- Quelle: `jpetrina/Qwen3.8-27B-IQ4_XS-pure-GGUF`
+- Kontext 160.000
+- RTX 5080 + RTX 3060 im Verhältnis 90:10
 - Flash Attention
 - KV-Cache Q4_0 für K und V
-- MTP Draft, maximal zwei Tokens
+- MTP Draft, maximal drei Tokens
 - sechs Threads und sechs Batch-Threads
 - Batch 64, Micro-Batch 32
 - ein paralleler Slot
@@ -56,17 +55,17 @@ Zielplattform.
 | Profil | Virtuelles Modell | Kontext | Besonderheit |
 |---|---|---:|---|
 | Fast | `qwen-fast` | 76.800 | IQ4-MIX, MTP2, vollständig GPU, CPU-mmproj |
-| Medium | `qwen-medium` | 94.208 | IQ4_XS Pure, ohne MTP, CPU-mmproj |
-| Long | `qwen-long` | 131.072 | IQ4-MIX, MTP2, FFN 0–11 auf CPU, CPU-mmproj |
+| Medium **(Standard)** | `qwen-medium` | 160.000 | IQ4_XS Pure, MTP3, beide GPUs 90:10, CPU-mmproj |
+| Large | `qwen-large` | 192.000 | IQ4_XS Pure, MTP3, beide GPUs 86:14, CPU-mmproj |
 | Ultra | `qwen-ultra` | 262.144 | IQ4_XS Pure, MTP2, beide GPUs 80:20, text-only; 68,2 Tok/s und 220K-Fülltest bestanden |
 
 ## Router
 
-- Dienst: `mike-ai-profile-router.service`
+- Container: `mike-ai-router`
 - Port: 8081
-- Upstream: `127.0.0.1:8080`
+- Upstream: `llama-upstream:8080` im internen Inferenznetz
 - Commit des Plattform-Repositories: siehe jeweils aktuelles `main`
-- Umschaltskript: `/usr/local/bin/llama-profile`
+- Umschaltung: `mike-ai-profile-controller` mit fester Container-Allowlist
 - Timeout für Profilwechsel und Requests: 600 Sekunden
 
 Der Router übernimmt:
@@ -74,7 +73,7 @@ Der Router übernimmt:
 - OpenAI-kompatibles Chat-Proxying und Streaming
 - virtuelle Modelle und automatische Profilumschaltung
 - Tool Calls
-- direkte integrierte Vision in allen Qwen-Profilen
+- direkte integrierte Vision in Fast, Medium und Large
 - FLUX-Hotswap zur Bildgenerierung
 - Whisper Speech-to-Text
 - XTTS Text-to-Speech (historische Referenz; Zielsystem verwendet Piper)
@@ -87,9 +86,9 @@ Der Router übernimmt:
 | Text-/Visionmodell | jeweils aktives Qwen3.8-27B-Profil |
 | Projektor | BF16-mmproj |
 | Speicherort des Projektors | System-RAM (`--no-mmproj-offload`) |
-| Kontext | entspricht Fast/Medium/Long |
+| Kontext | entspricht Fast/Medium/Large; Ultra ist bewusst text-only |
 
-Vision ist Bestandteil jedes Profils. Der Router prüft Bildgröße und URL,
+Vision ist Bestandteil von Fast, Medium und Large. Der Router prüft Bildgröße und URL,
 leitet das Bild dann direkt weiter und führt keinen Modellwechsel mehr aus.
 
 ## Bildgenerierung