42 lines
1.6 KiB
Markdown
42 lines
1.6 KiB
Markdown
# 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 auf llama.cpp Build 10872, Commit
|
|
`b31b71f3a076bfc4278daad442203a9c51c6e676`, festgeschrieben. Dieser Stand
|
|
enthält unter anderem die Korrekturen für die Qwen3.8-GDN-Normalisierung,
|
|
CUDA-Races, eine divergente Barriere im F16-Flash-Attention-Kernel sowie die
|
|
Checkpoint-Verdrängung im Prompt-Cache. Der vorherige produktive Stand war
|
|
Commit `c7bda030e7faee594dbe7550185e857351ad405d`.
|
|
|
|
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`.
|