54 lines
2.1 KiB
Markdown
54 lines
2.1 KiB
Markdown
# 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.
|