Stand: 20. September 2026, auf Athena geprüft. Die Textprofil-Images verwenden llama.cpp 0.4.1 (b29c606). Der geprüfte Live-Stand beschreibt Profile, GPUs und die Abweichung zwischen dem bereitgestellten Stack und dem Git-Checkout. Der Update- und Aufräumbericht vom 15. September enthält Versionsvergleich, Tests und Rückfallstand.

Athena ist die lokale Inferenzmaschine. Der Docker-Stack stellt Qwen über eine kleine OpenAI-kompatible Router-API bereit und übernimmt lokale Bild- und Sprachausgabe. Hermes, OpenClaw und die Fach-MCPs laufen auf Unraid.

Die Router-Korrekturen vom 20. September dokumentieren den ausgerollten Stand, reduzierte Statuslatenzen und Tests.

Aktueller Aufbau

Athena

genau ein aktives llama.cpp-Profil: Fast, Medium, Large, Ultra oder Uncensored
Profile Router auf Port 8081
FLUX.2 Klein 9B FP8 Beta: Transformer/VAE auf RTX 5080, Textencoder auf RTX 3060
Qwen3-TTS 1.7B auf der RTX 3060 hinter dem TTS-Gateway; kein Piper-Fallback
Whisper.cpp small auf der CPU für lokale deutsche Spracherkennung
EmbeddingGemma 300M Q8 auf der CPU für OpenClaws hybride Memory-Suche
Live-Dashboard mit 21 Tagen Detailhistorie für GPUs und Slot-Kontextbelegung auf Port 8099
Portainer CE als optionale Container-Ansicht auf Port 9443
WireGuard-Gateway, Datenbackup und Athena-Operator
keine produktive Hermes-, OpenWebUI- oder portable Fach-MCP-Instanz

Unraid

offizieller Hermes-Agent mit persistentem Appdata
je ein eigener Container für ARR, Deemix, Navidrome, STRATO und Nginx Proxy Manager
MUA/Unraid-MCP als Unraid-Plugin
Media-Tools als nachrüstbare Werkzeugkiste
Sicherung durch das vorhandene Unraid-Appdata-Backup

Hermes nutzt Athenas Router unter http://192.168.1.212:8081/v1. Ein MCPHub ist nicht mehr Bestandteil der produktiven Architektur.

Verifizierte Bildauflösung auf dem Live-System

Der am 12. September geprüfte Live-Worker verwendet FLUX.2 Klein 9B FP8 Beta. Die frühere 4B-Angabe war veraltet. Im Auflösungstest war 1024 × 1024 erfolgreich, während 1280 × 1280 einen CUDA-OOM auf der RTX 5080 auslöste. Höhere Auflösungen sind damit nicht freigegeben; Zwischenwerte wurden nicht getestet. Die produktive 1024-Begrenzung bleibt bestehen. Messwerte, Testbedingungen und die Korrektur früherer optimistischer Schätzungen stehen in Auflösungstest vom 12. September.

Installation des Repository-Stands

Der produktive Quellstand ist mit diesem Repository abgeglichen. Ein frischer Clone enthält den Athena-Kern, die Spezialprofile sowie die LTX-Erweiterungen. Modelle, Laufzeitdaten und geheime Konfiguration bleiben außerhalb von Git und werden über die dokumentierten Sicherungen wiederhergestellt.

cp config/install.env.example /root/mike-ai-install.env
# Werte in /root/mike-ai-install.env eintragen und chmod 600 setzen
sudo ./install.sh --config /root/mike-ai-install.env

Das Installationsskript baut llama.cpp und die lokalen Images, lädt die versionierten Modellartefakte und startet ausschließlich den Athena-Kern.

Betrieb

# Konfiguration prüfen
./manage.sh validate

# Gesamten Athena-Kern gezielt aktualisieren
./manage.sh deploy core

# Nur einen Dienst ausrollen
./manage.sh deploy router

# Eindeutige Altcontainer entfernen
./manage.sh purge-legacy

# Read-only Ende-zu-Ende-Test
sudo ./smoke-test.sh

Reasoning-Stufen

Der Router übersetzt die Auswahl eines OpenAI-kompatiblen Clients in echte, pro Anfrage geltende llama.cpp-Denkbudgets. Off deaktiviert Thinking; die aktiven Stufen sind auf 256 (Minimal), 768 (Low), 2048 (Medium), 4096 (High) und 8192 Tokens (XHigh/Max/Ultra) begrenzt. Die Modellserver dürfen deshalb kein festes --reasoning-budget setzen, da dieses die dynamischen Budgets von llama.cpp übersteuern würde. Clients, die direkt thinking_budget_tokens senden, behalten ihren expliziten Wert.

Ein oder zwei Modell-Slots

Fast, Large, Ultra und Uncensored laufen mit einem Slot. Medium läuft seit dem 19. September in einem kontrollierten OpenClaw-Praxistest mit zwei Slots. Beide Medium-Slots teilen sich durch --kv-unified einen 160.000-Token-KV-Pool; es entstehen keine zwei unabhängigen 160K-Kontextfenster. Belegt ein Slot beispielsweise 30.000 Token, stehen dem zweiten höchstens noch etwa 130.000 Token aus diesem Pool zur Verfügung. Das Dashboard zeigt diese aktuell erreichbare Kapazität und den freien gemeinsamen Pool dynamisch an.

Die Live-Einstellung liegt auf Athena in /etc/mike-ai/stack.env:

MEDIUM_PARALLEL_SLOTS=2

Zum Umschalten wird nur Medium neu erstellt:

sed -i 's/^MEDIUM_PARALLEL_SLOTS=.*/MEDIUM_PARALLEL_SLOTS=1/' /etc/mike-ai/stack.env
cd /opt/mike-ai/stack
docker compose --env-file /etc/mike-ai/stack.env up -d --no-deps --force-recreate llama-medium

Für zwei Slots wird im ersten Befehl wieder 2 gesetzt. Der Compose- und Installationsstandard bleibt bewusst 1; damit wird der Versuchsstand bei einer Neuinstallation nicht unbemerkt zur Vorgabe. Der aktuelle Live-Test mit OpenClaw kann zwei gleichzeitige Anforderungen annehmen. Sehr große parallele Prefills konkurrieren weiterhin um Rechenleistung und den gemeinsamen KV-Pool.

Endpunkte

Router: http://192.168.1.212:8081/v1
Embeddings: http://192.168.1.212:8082/v1
Athena-Dashboard: http://192.168.1.212:8099

Der Router stellt Sprache OpenAI-kompatibel bereit: Sprachausgabe über /v1/audio/speech und Spracherkennung über /v1/audio/transcriptions. Das Whisper-Modell liegt persistent im Docker-Volume whisper-data; Audiodaten werden lokal auf Athena verarbeitet. Für OpenClaw Talk liegt der lokale Realtime-Provider unter integrations/openclaw-athena-talk. Er verbindet Mikrofon → Athena Whisper → normalen OpenClaw-Agenten → aktives Athena-TTS, sodass Modell, Werkzeuge und Memory auch im Sprachmodus erhalten bleiben. Die Installation landet in OpenClaws persistentem Datenverzeichnis und bleibt deshalb bei normalen Container-Updates bestehen.

OpenClaw wird über den Provider llama.cpp → Existing llama-server mit http://192.168.1.212:8081/v1 verbunden. Der Router beantwortet sowohl /models als auch /v1/models mit allen fünf virtuellen Profilen. Dadurch erkennt OpenClaw die vollständige Auswahl automatisch, während Laden, Entladen und Umschalten weiterhin ausschließlich der Athena Profile Router übernimmt.

OpenClaws Memory-Suche verwendet den separaten CPU-Dienst mike-ai-embedding. Dadurch bleiben die GPUs vollständig für Qwen, Vision und TTS verfügbar. Die verbindliche Konfiguration, Prüfung und Wiederherstellung stehen in OpenClaw Memory.

Portainer: https://192.168.1.212:9443
Hermes-Dashboard auf Unraid: http://192.168.1.2:9119

Die Adressen sind nur über die vorgesehenen privaten Netze erreichbar.

Ausgegliederte MCPs

Weitere produktive Container verwenden ihre jeweiligen Upstream-Images und Unraid-DockerMan-Templates. Details stehen in docs/MCP_SERVERS.md.

Wiederherstellung

Der Sicherungsumfang und die Grenzen eines Neuaufbaus aus dem Repository stehen in docs/RECOVERY.md. Der vor dem Update gesicherte Live-Quellstand dient als Rückfallstand.

Sicherheitsregeln

Wichtigste Regel: Der Host steht physisch in einer anderen Stadt. Er wird niemals heruntergefahren oder neu gestartet, und es wird keine Aktion ausgeführt, die seine Erreichbarkeit gefährdet (Details: docs/REMOTE_HOST_RULES.md).
config/install.env ist lokal, Modus 0600, und wird ignoriert.
API-, Controller-, WebUI- und WireGuard-Schlüssel entstehen erst am Host.
Docker-Zugriff ist auf Verwaltungsdienste begrenzt; unter anderem benötigen Profile Controller, Portainer und Backup Zugriff auf den Docker-Socket.
llama.cpp veröffentlicht weder Port noch WebUI.
Ein Blackhole-Fallback verhindert Traffic-Leaks bei WireGuard-Ausfall.
Das Uni-Netz und das Heimnetz dürfen diesen Host nicht als Transit benutzen.

Verbindliche Dokumentation

ATHENA.md – kurze Betriebsanleitung
docs/LIVE_STATE.md – tatsächlich bereitgestellte Profile und Versionen
docs/CONTAINER_INVENTORY.md – vorhandene Container
docs/STANDARD_PROFILE_MATRIX.md – Repository-Matrix, einschließlich nicht installiertem beta1
docs/MCP_SERVERS.md – produktive Werkzeuge
docs/RECOVERY.md – Backup und Neuaufbau
docs/REMOTE_HOST_RULES.md – Regeln für den Remote-Host

Git enthält keine Secrets, Chatdaten oder Modellgewichte.

README.md Unescape Escape

Athena AI