Fix: KV-Schaetzung kalibriert + Brain-Fit-Check brain-spezifisch

- fit.estimate_memory_gb: KV-Cache jetzt sqrt-skaliert (nicht linear mit Gesamt-Params),
  kalibriert an Hermes-14B@128K ~19GB KV -> realistische Footprints (vorher massive Ueberschaetzung).
- agent.hermes_brain_info Budget: prueft jetzt Brain (immer resident) + groesstes on-demand-Modell
  <= GTT-Budget (fast/vision duerfen verdraengt werden) -> brain-spezifische, aussagekraeftige Warnung.
- Cockpit: Budget-Zeile + Confirm-Warnung entsprechend ("Brain ~X GB + groesstes on-demand ~Y GB").

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/services/agent.py

@@ -107,21 +107,26 @@ def hermes_brain_info() -> dict:
 
         cur_name = cur["name"] if cur else None
         brain_ctx = int((cur.get("ctx") if cur else None) or 32768)
-        # Always-Warm = persist-Modelle, das Brain durch die Empfehlung ersetzt
-        warm = sum(_foot(m) for m in models if m["name"] in persist and m["name"] != cur_name)
         if best:
-            warm += estimate_memory_gb(float(best["params_b"]), "Q4_K_M", brain_ctx)
+            brain_gb = estimate_memory_gb(float(best["params_b"]), "Q4_K_M", brain_ctx)
         elif cur:
-            warm += _foot(cur)
+            brain_gb = _foot(cur)
+        else:
+            brain_gb = 0.0
+        # voller Always-Warm-Footprint (alle persist, Brain=Empfehlung) — nur Info
+        warm = brain_gb + sum(_foot(m) for m in models
+                              if m["name"] in persist and m["name"] != cur_name)
         largest_od = max((_foot(m) for m in models if m["name"] not in persist), default=0.0)
         gtt = _gtt_budget_gb()
-        free_after = gtt - warm
+        # Brain muss immer resident sein → passt Brain + größtes on-demand zusammen?
+        # (fast/vision dürfen beim Laden eines großen Modells verdrängt werden.)
         budget = {
             "gtt_gb": gtt,
+            "brain_gb": round(brain_gb, 1),
             "warm_projected_gb": round(warm, 1),
-            "free_after_gb": round(free_after, 1),
             "largest_ondemand_gb": round(largest_od, 1),
-            "fits": free_after >= largest_od,
+            "fits": (brain_gb + largest_od) <= gtt,
+            "free_after_gb": round(gtt - brain_gb - largest_od, 1),
         }
     except Exception:
         log.debug("hermes_brain_info: Budget-Berechnung fehlgeschlagen", exc_info=True)

backend/services/fit.py

@@ -15,10 +15,13 @@ QUANT_BYTES_PER_PARAM = {
 
 
 def estimate_memory_gb(params_b: float, quant: str, ctx: int) -> float:
-    """Geschätzter Speicherbedarf in GB (Gewichte + Kontext-KV)."""
+    """Geschätzter Speicherbedarf in GB (Gewichte + Kontext-KV).
+    KV-Cache skaliert NICHT linear mit den Gesamt-Parametern (er hängt an
+    Layern × KV-Heads, gedämpft durch GQA) → sqrt-Skalierung, kalibriert am
+    gemessenen Punkt Hermes-4-14B @ 128K ≈ 19 GB KV."""
     bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.65)
     weights = params_b * bpp
-    context_vram = (ctx / 8192) * (max(params_b, 7) / 7) * 0.8
+    context_vram = (ctx / 8192) * (max(params_b, 7) / 7) ** 0.5 * 0.84
     return weights + context_vram