Add internal chat testing with memory diagnostics and cancellation

ENDPOINT.md

@@ -129,3 +129,28 @@ Listener gestoppt und Modell entladen. Keine vorhandenen Nutzerprompts oder
 Anwendungslogs gelesen. Testprofile und Testzugang gehören nicht zur normalen
 Deck-Konfiguration. Der Test weist keine vollständige OpenAI-Kompatibilität oder
 Langzeitstabilität nach.
+
+
+## Sprachmodelle → Testen
+
+Der interne Testchat verwendet denselben Scheduler und llama.cpp-Worker wie der
+API-Endpunkt, braucht aber keine Veröffentlichung des Profils und keinen
+API-Token im Browser. Profilauswahl, fortlaufender Textchat, Antwortlimit (bis
+4096 Token), Abbrechen und explizites Entladen stehen bereit. Der Modellprozess
+bleibt nach einer Antwort geladen; andere Profile/Bildaufträge wechseln regulär.
+Entladen wird bei aktiven Anfragen abgewiesen. Abbrechen schließt nur die eigene
+Chatverbindung; während des eigenen Modellstarts bricht es diesen Start ab.
+
+Der Verlauf liegt nur im Browser-Arbeitsspeicher. Beim Wechsel der Ansicht oder
+des Profils beginnt ein neuer Verlauf. Der Server hält nur den aktuellen Testjob
+mit gestreamter Antwort vorübergehend im RAM; weder Prompt noch Antwort werden
+als Chatdatei oder Log gespeichert. Reguläre Admin-Sitzung/CSRF-Schutz gelten für
+GET `/api/v1/chat-tests` und POST `/api/v1/chat-tests/start`, `/cancel`, `/unload`.
+Start: `profile_id`, Textnachrichten `messages`, `max_tokens`. Kein Bearer-Zugriff.
+
+Diagnose zeigt Ladephase, Wartezeit/Reservierungen, reale GPU-Belegung und die
+Speicherprognose mit Reserve je GPU, RAM-Budget und GPU-Layerlimit. Eine Prognose
+ist kein Nachweis für fehlerfreien Betrieb. Bestätigte Cgroup-OOM-Kills werden
+als RAM-OOM gemeldet; ein GPU-OOM wird ohne eindeutigen Nachweis nicht behauptet.
+Ein nicht eindeutig diagnostizierter Prozessabbruch nennt Speicher, Modell/Build
+oder Zeitlimit als mögliche Ursachen. Bestehende Anwendungslogs werden nicht gelesen.