fix(llamaswap): Konsolidiere Modelle & entferne redundante Alt-Aliase

deploy/llama-swap.config.yaml

@@ -30,7 +30,6 @@ models:
     ttl: 5400
     aliases:
     - coder
-    - dense-planer
     capabilities:
       in: [text, image]
       out: [text]
@@ -44,24 +43,11 @@ models:
     ttl: 600
     aliases:
     - debugger
-    - doctor
     capabilities:
       in: [text, image]
       out: [text]
       tools: true
       context: 65536
-  Qwen3-Coder-Next:
-    # MoE-Coder Fallback (80B MoE, 3B aktiv).
-    cmd: |
-      llama-server -m /srv/models/Qwen3-Coder-Next-GGUF/Qwen3-Coder-Next-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256 -cram 16384
-    ttl: 1800
-    aliases:
-    - coder-moe
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 131072
   Qwen3-Embedding-0.6B:
     cmd: |
       llama-server -m /srv/models/Qwen3-Embedding-0.6B-GGUF/Qwen3-Embedding-0.6B-Q8_0.gguf --host 127.0.0.1 --port ${PORT} --embedding --pooling last -ngl 999 -fa on --no-mmap -c 8192
@@ -82,11 +68,6 @@ models:
       tools: true
       context: 32768
   Qwen3-VL-30B-A3B-Instruct:
-    # Lucys AUGEN — seit 07.07. ON-DEMAND (User-Entscheid: „Gehirn + Embedding reichen
-    # komplett; Vision nur wenn Lucy auf dem Desktop an ist oder die IDE-Lane sie braucht").
-    # NICHT mehr in brains; ttl 900 = 15 Min Nachlauf nach dem letzten Blick. Die Lucy-App
-    # wärmt die Augen beim Start selbst an (useVoiceAgent-Warm-Gate). Vorher: warm, ttl 0 —
-    # das kostete ~19 GB Dauerbelegung und verdrängte den 60-GB-Chef-Gutachter.
     cmd: |
       llama-server -m /srv/models/Qwen3-VL-30B-A3B-Instruct-GGUF/Qwen3-VL-30B-A3B-Instruct-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 32768 -ngl 999 -fa on --no-mmap --mmproj /srv/models/Qwen3-VL-30B-A3B-Instruct-GGUF/mmproj-F16.gguf --jinja
     ttl: 900
@@ -96,33 +77,6 @@ models:
       in: [text, image]
       out: [text]
       context: 32768
-  GLM-4.6V-Flash:
-    cmd: |
-      llama-server -m /srv/models/GLM-4.6V-Flash-GGUF/GLM-4.6V-Flash-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 131072 -ngl 999 -fa on --no-mmap --mmproj /srv/models/GLM-4.6V-Flash-GGUF/mmproj-BF16.gguf --jinja
-    ttl: 300
-    aliases:
-    - scout
-    capabilities:
-      in: [text, image]
-      out: [text]
-      tools: true
-      context: 131072
-  Devstral-Small-2-24B:
-    # KRITIKER (25.07.2026): Gegenleser aus einer ANDEREN Modellfamilie (Mistral, Apache-2.0,
-    # 24B DICHT, 256k Kontext, 68,0 % SWE-bench Verified vs. 59,2 % bei GLM-4.7-Flash).
-    # Loest GLM-4.7-Flash in der kritiker-Rolle ab. Dicht = auf Strix Halo bandbreitengebunden
-    # und damit langsam beim SCHREIBEN — fuer einen Kritiker egal: er liest viel, schreibt wenig.
-    # --jinja ist Pflicht (Chat-Template, sonst kaputte Tool-Calls).
-    cmd: |
-      llama-server -m /srv/models/Devstral-Small-2-GGUF/mistralai_Devstral-Small-2-24B-Instruct-2512-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 16384 -ngl 999 -fa on --no-mmap --jinja --cache-reuse 256
-    ttl: 1800
-    aliases:
-    - kritiker
-    capabilities:
-      in: [text]
-      out: [text]
-      tools: true
-      context: 16384
   Qwen3-Reranker-0.6B:
     # Gedächtnis-Zweitstufe (07.07., Rollen-Audit): ordnet Mem0-Suchtreffer nach echter
     # Relevanz (/v1/rerank, Mungert-GGUF — Community-Konvertierungen liefern oft Nullscores!).