Gateway: Kontext-Limit-Warnung ignoriert Warm-Pings (max_tokens<=16)

Lucys Augen-Waermer (alle 10 min, max_tokens=1 an "vision"), warmup.sh und
models/load enden konstruktionsbedingt mit finish_reason=length — die Warnung
vom 15.07. hielt jeden Ping fuer einen abgerissenen Worker und spammte den
Briefkasten (~alle 20 min, Serie 16.07. abends). Wer freiwillig auf <=16
Tokens deckelt, will keine echte Antwort -> keine Warnung; echte Abrisse
melden weiter.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

backend/routers/gateway_proxy.py

@@ -239,7 +239,7 @@ async def _proxy(path: str, request: Request):
         async def gen():
             try:
                 async for chunk in r.aiter_raw():
-                    record_stream_chunk(chunk, alias)
+                    record_stream_chunk(chunk, alias, body.get("max_tokens"))
                     yield chunk
             finally:
                 await r.aclose()
@@ -251,7 +251,7 @@ async def _proxy(path: str, request: Request):
         record_usage(resp_json.get("usage"), alias)
         if any(isinstance(c, dict) and c.get("finish_reason") == "length"
                for c in resp_json.get("choices") or []):
-            warn_truncation(alias)
+            warn_truncation(alias, body.get("max_tokens"))
     return JSONResponse(resp_json, status_code=r.status_code, headers=routed)