42 lines
1.6 KiB
Markdown
42 lines
1.6 KiB
Markdown
# Aktueller temporärer Laufzustand
|
|
|
|
Stand: 31. August 2026
|
|
|
|
## Produktive llama.cpp-Runtime
|
|
|
|
Alle Textprofile 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: Vision-Projektor wieder aktiviert
|
|
|
|
`qwen-medium` läuft wieder mit dem Qwen-Vision-Projektor. Der Projektor wird
|
|
über `--mmproj-offload --mmproj-device CUDA1` gezielt auf der RTX 3060 geladen.
|
|
Der vorübergehende Text-only-Workaround ist damit auf ausdrücklichen Wunsch
|
|
beendet.
|
|
|
|
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.
|
|
- Bildanalyse ist im Medium-Profil wieder verfügbar.
|
|
- Der bekannte llama.cpp-/MMProj-Cachefehler kann weiterhin vollständige
|
|
Prompt-Neuverarbeitung in späteren Turns auslösen. Diese Einschränkung wird
|
|
zugunsten der benötigten Vision-Funktion bewusst akzeptiert.
|
|
|
|
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.
|