Feat: kuratierter Modell-Katalog (Cookbook) - korrekte Metadaten statt Namens-Raterei

Inspiriert von Odysseus' Cookbook: backend/models_catalog.json mit echten Metadaten
(total/active params, moe, generation) je Rolle. services/catalog.py: Laden, Name-Match,
MoE-bewusstes Scoring (Wissen + Tempo via tps -> MoE-first auf der bandbreiten-Box), Fit.
- discover.py: Empfehlung jetzt KATALOG-FIRST (kuratiert, korrekt), HF-Dynamik als Ergaenzung/Fallback.
- maintenance.model_upgrades: Metadaten aus Katalog -> praezise Familie/Generation/Groesse + MoE-first
  (dense ersetzt MoE nur bei grossem Wissens-Sprung). Behebt Coder-Next=7B-Fehlschaetzung,
  Qwen2.5-VL-Generations-Downgrade, falsches dense-scout-Upgrade.
- fit.py: MXFP4/FP8/AWQ in der Quant-Tabelle.

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

backend/services/maintenance.py

@@ -16,7 +16,7 @@ import httpx
 import psutil
 
 from config import ANYTHINGLLM_REPO, ANYTHINGLLM_URL, HERMES_AGENT_REPO
-from services import discover, jobengine, llamaswap, system
+from services import catalog, discover, jobengine, llamaswap, system
 
 # System-Dienste (root, via sudo -n NOPASSWD) vs. User-Dienste (systemctl --user).
 SYSTEM_SERVICES = {"llama-swap"}
@@ -185,11 +185,27 @@ def _gen_key(name: str):
     return None
 
 
+def _meta(name: str, model_dict: dict | None = None, im: dict | None = None) -> dict:
+    """Metadaten (family, gen, total, active, moe) — bevorzugt den kuratierten Katalog,
+    sonst die Felder eines Discover-/Modell-Dicts, sonst Namens-/Größen-Heuristik."""
+    cm = catalog.meta_for_name(name)
+    if cm:
+        return {"family": cm.get("family"), "gen": cm.get("generation"),
+                "total": float(cm.get("total_params_b") or 0),
+                "active": cm.get("active_params_b"), "moe": bool(cm.get("moe"))}
+    d = model_dict or {}
+    g = _gen_key(name)
+    total = float(d.get("params_b") or 0) or (_params_of(im) if im else 0.0)
+    return {"family": (d.get("family") or (g[0] if g else None)),
+            "gen": (d.get("generation") if d.get("generation") is not None else (g[1] if g else None)),
+            "total": total, "active": d.get("active_b"), "moe": bool(d.get("moe"))}
+
+
 def model_upgrades() -> list[dict]:
-    """Je Rolle ein ECHTES Upgrade-Vorschlag — nur wenn die Empfehlung wirklich besser ist:
-    gleiche Familie UND (neuere Generation ODER größer in gleicher Generation). Verhindert
-    Generations-Downgrades (Qwen2.5-VL über Qwen3-VL), Größen-Downgrades (Coder-Next → 30B)
-    und Fremd-Familien-Swaps (gpt-oss als „Upgrade" von Qwen)."""
+    """Je Rolle ein ECHTES Upgrade — nur wenn die Empfehlung wirklich besser ist:
+    gleiche Familie UND (neuere Generation ODER deutlich größer) UND kein Tempo-Downgrade
+    (MoE-first für die bandbreiten-limitierte Box: dense ersetzt MoE nur bei großem Wissens-
+    Sprung). Metadaten kommen aus dem kuratierten Katalog → keine Namens-Raterei."""
     disc = discover.safe_discover(_ram_gb())
     if not disc:
         return []
@@ -203,28 +219,36 @@ def model_upgrades() -> list[dict]:
     for c in disc.get("categories", []):
         role = c["role"]
         im = inst_by_role.get(role)
-        if im is None:                        # nur Rollen mit bereits installiertem Modell
+        if im is None:
             continue
         rec = c.get("recommended")
         if not rec:
             continue
         rec_model = next((x for x in c.get("models", []) if x.get("repo") == rec), None)
-        rec_params = float((rec_model or {}).get("params_b") or 0.0)
-        inst_params = _params_of(im)
 
-        ig, rg = _gen_key(im["name"]), _gen_key(rec)
-        # Upgrade nur bei GLEICHER, erkennbarer Familie:
-        if not (ig and rg) or ig[0] != rg[0]:
-            continue                          # Fremd-Familie / unbekannt → kein „Upgrade"
-        if rg[1] < ig[1] - 1e-6:
-            continue                          # ältere Generation → niemals
-        if abs(rg[1] - ig[1]) < 1e-6 and rec_params and rec_params < inst_params * 1.05:
-            continue                          # gleiche Gen, nicht (deutlich) größer
+        i = _meta(im["name"], im=im)
+        r = _meta(rec, model_dict=rec_model)
+
+        if not i["family"] or not r["family"] or i["family"] != r["family"]:
+            continue                                   # andere/unbekannte Familie → kein Upgrade
+        if r["gen"] is not None and i["gen"] is not None and r["gen"] < i["gen"] - 1e-6:
+            continue                                   # ältere Generation → niemals
+        same_gen = (r["gen"] is None or i["gen"] is None or abs(r["gen"] - i["gen"]) < 1e-6)
+        if same_gen:
+            if r["total"] and i["total"] and r["total"] < i["total"] * 1.05:
+                continue                               # gleiche Gen, nicht größer → kein Upgrade
+            # MoE-first: ein MoE durch dense ersetzen nur bei deutlichem Wissens-Sprung
+            if i["moe"] and not r["moe"] and r["total"] < i["total"] * 1.5:
+                continue
+            # Tempo nicht verschlechtern (aktive Params), außer großer Wissens-Gewinn
+            ia, ra = (i["active"] or i["total"]), (r["active"] or r["total"])
+            if ia and ra > ia * 1.3 and r["total"] < i["total"] * 1.3:
+                continue
 
         base = rec.split("/")[-1].lower()
         stem = base[:-5] if base.endswith("-gguf") else base
         if base in cmds or (stem and stem in cmds):
-            continue                          # schon installiert
+            continue                                   # schon installiert
         out.append({"role": role, "title": c["title"], "repo": rec})
     return out