# llama.cpp und Profile

Der produktive Build wird über `LLAMA_CPP_COMMIT` festgeschrieben. Damit ist
ein Neuaufbau unabhängig vom jeweils aktuellen Stand des Upstream-Master.

## Build

```text
sudo platform/llama/build-llama-cpp.sh
```

Der Build aktiviert CUDA und den HTTP-Server. Änderungen am Commit werden erst
nach Standardbenchmark, Tool-Calling-Test und Kontexttest übernommen.

## Produktive Modelle

- Fast: Qwen3.8-27B IQ4-MIX mit MTP2
- Medium und Large: Qwen3.8-27B IQ4_XS Pure mit MTP3
- Ultra: Qwen3.8-27B IQ4_XS Pure mit MTP2 und maximalem Textkontext
- Uncensored: Blackfrost Qwen3.8-27B Abliterated Q4_K_M mit MTP2
- Fast, Medium, Large und Uncensored: integrierte Vision; der jeweilige
  Projektor liegt vollständig auf der RTX 3060

Die produktive Runtime ist seit dem 12. September 2026 auf llama.cpp
**Build 10930**, Commit `56381e407c0ccfb3a6f71e668a27a901001d22ce`,
festgeschrieben. Enthalten ist der am 11. September integrierte Fix
[„speculation after an image“ (#28715)](https://github.com/ggml-org/llama.cpp/pull/28715).
Er korrigiert die Positionsübergabe an den Drafter nach Bildeingaben und ist
nicht mit einer generellen Behebung aller MMProj-/Prompt-Cache-Probleme
gleichzusetzen.

Der unmittelbar vorher laufende Build war **10872**, Commit
`b31b71f3a076bfc4278daad442203a9c51c6e676`; die frühere Angabe 10781
war im Live-System bereits überholt. Das unveränderte Rückfallimage heißt
`mike-ai/llama.cpp:b10872-pre-b10930`.

Build, Tests und Wiederherstellung sind in
[docs/LLAMA_B10930_UPDATE_20260912.md](../../docs/LLAMA_B10930_UPDATE_20260912.md)
dokumentiert.

Die Dateien selbst sind nicht Bestandteil des Repositories. Pfade und Hashes
werden im lokalen Modellmanifest verwaltet.

## Profilinstallation

Die Vorlagen unter `platform/profiles` verwenden Umgebungsvariablen in einer
gemeinsamen Environment-Datei. Für die aktuelle produktive Installation können
sie alternativ als dokumentierte Referenz für vollständige systemd-Overrides
verwendet werden.

Der Profilwechsel erfolgt ausschließlich über `platform/scripts/llama-profile`.

Die produktiven Batch- und Micro-Batch-Werte samt Messungen stehen in
[docs/PREFILL_BATCH_TUNING_20260915.md](../../docs/PREFILL_BATCH_TUNING_20260915.md).