Immer-bereit-Set ehrlich gemacht: vision ttl 0, Warmup inkl. vision, Texte

Nutzer-Fund (Screenshots 03.07.): drei UI-Diskrepanzen im Modell-Manager.
1) Augen (VL-8B) hatten ttl 300 + fehlten im Warmup — standen also entgegen
   dem UI-Versprechen NICHT immer bereit. Jetzt ttl 0 (Box live + Snapshot)
   und Warmup-Default "fast vision".
2) Warn-Text beschrieb das alte Verdraengungs-Verhalten (seit persistent-Fix
   falsch) — jetzt: Set bleibt geladen, bei Ueberlauf scheitert das grosse
   Modell. 3) "Reserviert" als Vorsichts-Schaetzung/Obergrenze gekennzeichnet
   (68,8 GB Schaetzer vs. 25 GB real — Schaetzer-Umbau ist eigener Faden).

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

deploy/llama-swap.config.yaml

@@ -44,7 +44,8 @@ models:
   Qwen3-VL-8B-Instruct:
     cmd: |
       llama-server -m /srv/models/Qwen3-VL-8B-Instruct-GGUF/Qwen3VL-8B-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-8B-Instruct-GGUF/mmproj-Qwen3VL-8B-Instruct-F16.gguf --jinja
-    ttl: 300
+    # ttl 0 (03.07.): Mitglied des Immer-bereit-Sets — ein Selbstauslöser widerspräche dem UI-Versprechen.
+    ttl: 0
     aliases:
     - vision
     capabilities:

deploy/warmup.sh

@@ -3,14 +3,16 @@
 # Anfrage nicht kalt ist (llama-swap lädt sonst lazy bei Bedarf).
 # Eingehängt als  ExecStartPost=-/usr/local/bin/llama-swap-warmup.sh  in llama-swap.
 #
-# `fast` = das Agent-Hirn (Qwen3.6-35B-A3B), `embed` = das Embedding-Modell (Qwen3-Embedding-0.6B,
-# für Mem0/Gedächtnis). Beide sind in der brains-Gruppe (persist), werden aber NICHT automatisch
-# zusammen geladen — jedes Modell muss einzeln angestoßen werden, sonst bleibt es kalt.
+# `fast` = das Agent-Hirn (Qwen3.6-35B-A3B), `vision` = die Augen (Qwen3-VL-8B, ttl 0 seit
+# 03.07. — gehört zum UI-Versprechen „Immer-bereit-Set"), `embed` = das Embedding-Modell
+# (Qwen3-Embedding-0.6B, für Mem0/Gedächtnis). Alle in der brains-Gruppe (persistent), werden
+# aber NICHT automatisch zusammen geladen — jedes Modell einzeln anstoßen, sonst bleibt es kalt.
 # Embedding läuft im --embedding-Modus → anderer Endpunkt (/v1/embeddings, nicht chat).
 # Selbst-detachend: blockiert den Service-Start nicht.
+# NACH ÄNDERUNG: sudo cp deploy/warmup.sh /usr/local/bin/llama-swap-warmup.sh (root-Kopie!)
 set -u
 URL="${MC_LLAMA_SWAP_URL:-http://127.0.0.1:8080}"
-BRAINS="${MC_WARMUP_MODELS:-fast}"
+BRAINS="${MC_WARMUP_MODELS:-fast vision}"
 EMBEDS="${MC_WARMUP_EMBED:-embed}"
 
 if [ "${1:-}" != "--inner" ]; then