Upgrade Beta 1 to GSQ-RCO IQ3_S

.env.example

@@ -17,7 +17,7 @@ DEFAULT_REASONING_EFFORT=off
 
 FAST_MODEL_FILE=qwen-mix/Qwen3.8-27B-IQ4-MIX.gguf
 MEDIUM_MODEL_FILE=qwen-pure/qwen3.8-27b-IQ4_XS-pure.gguf
-BETA1_MODEL_FILE=qwen3.8-27b-gsq-rco-test/Qwen3.8-27B-GSQ-RCO-IQ3_XXS-mtp.gguf
+BETA1_MODEL_FILE=qwen3.8-27b-gsq-rco-iq3s/Qwen3.8-27B-GSQ-RCO-IQ3_S-mtp.gguf
 LARGE_MODEL_FILE=qwen-pure/qwen3.8-27b-IQ4_XS-pure.gguf
 ULTRA_MODEL_FILE=qwen-pure/qwen3.8-27b-IQ4_XS-pure.gguf
 UNCENSORED_MODEL_FILE=qwen3.8-27b-abliterated/Qwen3.8-27B-ABLITERATED-Q4_K_M.gguf
@@ -30,7 +30,7 @@ FAST_UBATCH_SIZE=32
 MEDIUM_CONTEXT=160000
 MEDIUM_BATCH_SIZE=2048
 MEDIUM_UBATCH_SIZE=128
-BETA1_CONTEXT=192000
+BETA1_CONTEXT=112000
 BETA1_BATCH_SIZE=2048
 BETA1_UBATCH_SIZE=128
 LARGE_CONTEXT=192000

compose.yaml

@@ -235,9 +235,10 @@ services:
       - --spec-draft-p-min
       - "0.05"
 
-  # Beta 1 keeps the complete GSQ-RCO text model and KV cache on the RTX 5080.
+  # Beta 1 keeps the complete GSQ-RCO IQ3_S text model and KV cache on the RTX
-  # Only the multimodal projector runs on the RTX 3060. The measured hard
+  # 5080. Only the multimodal projector runs on the RTX 3060. The larger IQ3_S
-  # boundary is 196608 tokens; 192K deliberately retains runtime headroom.
+  # build starts conservatively at 112K until its hard context boundary has
+  # been measured; the former IQ3_XXS result does not transfer to this file.
   llama-beta1:
     <<: *llama-common
     container_name: mike-ai-llama-beta1
@@ -258,7 +259,7 @@ services:
       - --alias
       - qwen-beta-1
       - --ctx-size
-      - "${BETA1_CONTEXT:-192000}"
+      - "${BETA1_CONTEXT:-112000}"
       - --flash-attn
       - "on"
       - --cache-type-k

config/install.env.example

@@ -60,9 +60,9 @@ FAST_MODEL_SHA256=54879ae8738d5938f46cb3b8cbf16bf42b8c85b7d68d7c73f062b612ec183e
 MEDIUM_MODEL_FILE=qwen-pure/qwen3.8-27b-IQ4_XS-pure.gguf
 MEDIUM_MODEL_URL=https://huggingface.co/jpetrina/Qwen3.8-27B-IQ4_XS-pure-GGUF/resolve/main/qwen3.8-27b-IQ4_XS-pure.gguf
 MEDIUM_MODEL_SHA256=ea5a3c45d407f9b9e5d2c0d647f0ea600f486f6b86b92b56d0823ba073dae675
-BETA1_MODEL_FILE=qwen3.8-27b-gsq-rco-test/Qwen3.8-27B-GSQ-RCO-IQ3_XXS-mtp.gguf
+BETA1_MODEL_FILE=qwen3.8-27b-gsq-rco-iq3s/Qwen3.8-27B-GSQ-RCO-IQ3_S-mtp.gguf
-BETA1_MODEL_URL=https://huggingface.co/ISTA-DASLab/Qwen3.8-27B-GSQ-RCO-GGUF/resolve/main/Qwen3.8-27B-GSQ-RCO-IQ3_XXS-mtp.gguf
+BETA1_MODEL_URL=https://huggingface.co/ISTA-DASLab/Qwen3.8-27B-GSQ-RCO-GGUF/resolve/main/Qwen3.8-27B-GSQ-RCO-IQ3_S-mtp.gguf
-BETA1_MODEL_SHA256=63f29a2189a6b4cc31f81e093d3856ad293a5583114439f41ae1ed7af4093262
+BETA1_MODEL_SHA256=58fd826723939933dc86f45b7fe04545cbc2de1c70f6fe2cdd3858c87a98c12f
 LARGE_MODEL_FILE=qwen-pure/qwen3.8-27b-IQ4_XS-pure.gguf
 LARGE_MODEL_URL=https://huggingface.co/jpetrina/Qwen3.8-27B-IQ4_XS-pure-GGUF/resolve/main/qwen3.8-27b-IQ4_XS-pure.gguf
 LARGE_MODEL_SHA256=ea5a3c45d407f9b9e5d2c0d647f0ea600f486f6b86b92b56d0823ba073dae675

config/profile-matrix.json

@@ -30,14 +30,14 @@
     {
       "id": "beta1",
       "alias": "qwen-beta-1",
-      "context": 192000,
+      "context": 112000,
       "parallel_slots": 1,
       "model_env": "BETA1_MODEL_FILE",
-      "model_family": "Qwen3.8-27B GSQ-RCO IQ3_XXS MTP",
+      "model_family": "Qwen3.8-27B GSQ-RCO IQ3_S MTP",
       "gpu_split": "5080 model / 3060 vision",
       "vision": true,
       "mtp": 3,
-      "description": "Beta 1: schnelles GSQ-RCO-Testprofil mit 192K Kontext und Vision-Projektor auf der RTX 3060."
+      "description": "Beta 1: qualitaetsoptimiertes GSQ-RCO-IQ3_S-Testprofil; 112K Startkontext bis zur erneuten Grenzmessung."
     },
     {
       "id": "large",

docs/GSQ_RCO_BETA1_20260904.md

@@ -5,15 +5,15 @@ Die bestehenden Profile und das Standardprofil `qwen-medium` bleiben unveränder
 
 ## Laufzeitkonfiguration
 
-- Modell: Qwen3.8-27B GSQ-RCO IQ3_XXS MTP
+- Modell: Qwen3.8-27B GSQ-RCO IQ3_S MTP
-- Kontext: 192.000 Token
+- Kontext: 112.000 Token als konservativer Startwert
 - Textmodell und KV-Cache: vollständig RTX 5080
 - Vision-Projektor: RTX 3060
 - KV-Quantisierung: Q4_0 für K und V
 - MTP: 3 Draft-Token
 - Batch / Micro-Batch: 2048 / 128
 
-## Gemessene Kontextgrenze
+## Vorherige IQ3_XXS-Kontextgrenze
 
 Eine echte Bildanfrage mit einer 2,3-MB-JPEG-Datei wurde zur Bestimmung der
 VRAM-Grenze verwendet.
@@ -24,9 +24,18 @@ VRAM-Grenze verwendet.
 | 196.608 | bestanden, harte Kante | ca. 9 MiB |
 | 197.120 | CUDA Out of Memory | ca. 1 MiB vor Abbruch |
 
-Der produktive Beta-Modus verwendet deshalb 192.000 Token. 196.608 ist nur
+Diese Werte gelten ausschließlich für die frühere, kleinere
-die gemessene technische Obergrenze und besitzt keine ausreichende Reserve
+`IQ3_XXS-MTP`-Datei. Sie dürfen nicht als Grenze der größeren
-für einen verlässlichen Dauerbetrieb.
+`IQ3_S-MTP`-Datei interpretiert werden. Das neue Profil startet bei 112.000
+Token; seine technische und betrieblich sichere Grenze wird neu vermessen.
 
 Beim erfolgreichen 196.608-Test erreichte die Bildanfrage rund 366 Prompt-
 Token/s und 85 Ausgabe-Token/s. Das erkannte Bild wurde korrekt beschrieben.
+
+## Austausch am 08.09.2026
+
+Die bisherige `IQ3_XXS-MTP`-Datei wurde durch `IQ3_S-MTP` ersetzt. ISTA
+berichtet für die 3,5-bpw-Variante gegenüber BF16 identische Ergebnisse auf
+AIME25 und LiveCodeBench v6 sowie 0,51 Punkte Abstand auf GPQA-Diamond. Diese
+Herstellermessungen rechtfertigen den A/B-Test, ersetzen aber keine lokale
+Prüfung mit Hermes-, Werkzeug- und Langkontextaufgaben.

docs/STANDARD_PROFILE_MATRIX.md

@@ -8,7 +8,7 @@ Standardprofil: **medium** · globales Ausgabelimit: **8192 Token**
 |---|---|---:|---:|---|---|---|---:|
 | fast | `qwen-fast` | 76,800 | 1 | Qwen3.8-27B IQ4 Mix | 5080 only | ja | 2 |
 | medium | `qwen-medium` | 160,000 | 1 | Qwen3.8-27B IQ4 XS Pure | 85:15 | ja | 3 |
-| beta1 | `qwen-beta-1` | 192,000 | 1 | Qwen3.8-27B GSQ-RCO IQ3_XXS MTP | 5080 model / 3060 vision | ja | 3 |
+| beta1 | `qwen-beta-1` | 112,000 | 1 | Qwen3.8-27B GSQ-RCO IQ3_S MTP | 5080 model / 3060 vision | ja | 3 |
 | large | `qwen-large` | 192,000 | 1 | Qwen3.8-27B IQ4 XS Pure | 86:14 | ja | 3 |
 | ultra | `qwen-ultra` | 262,144 | 1 | Qwen3.8-27B IQ4 XS Pure | 80:20 | nein | 2 |
 | uncensored | `qwen-uncensored` | 80,000 | 1 | Qwen3.8-27B Abliterated Q4_K_M | 90:10 | ja | 2 |
@@ -17,7 +17,7 @@ Standardprofil: **medium** · globales Ausgabelimit: **8192 Token**
 
 - **fast**: Schnelles Profil für kurze Chats und zügige Werkzeugaufgaben.
 - **medium**: Ausgewogenes Standardprofil für Alltag und lange agentische Aufgaben.
-- **beta1**: Beta 1: schnelles GSQ-RCO-Testprofil mit 192K Kontext und Vision-Projektor auf der RTX 3060.
+- **beta1**: Beta 1: qualitaetsoptimiertes GSQ-RCO-IQ3_S-Testprofil; 112K Startkontext bis zur erneuten Grenzmessung.
 - **large**: Großes Profil für umfangreiche Dokumente und lange technische Arbeiten.
 - **ultra**: Maximaler Textkontext; bewusst ohne Vision-Projektor.
 - **uncensored**: Weniger restriktives Spezialprofil; Werkzeugrechte bleiben unverändert.

router/router_profiles.json

@@ -9,7 +9,7 @@
       "model_alias": "qwen-medium"
     },
     "beta1": {
-      "context": 192000,
+      "context": 112000,
       "model_alias": "qwen-beta-1"
     },
     "large": {