diff --git a/backend/routers/voice.py b/backend/routers/voice.py
index 2ce0980..211de16 100644
--- a/backend/routers/voice.py
+++ b/backend/routers/voice.py
@@ -223,6 +223,7 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
     async def gen():
         t0 = time.perf_counter()
         first = True
+        first_content = True
         try:
             async with httpx.AsyncClient(timeout=httpx.Timeout(None, connect=5.0)) as client:
                 async with client.stream(
@@ -233,9 +234,14 @@ async def voice_chat(body: ChatIn) -> StreamingResponse:
                         yield f"data: {{\"error\": \"Hermes {r.status_code}: {detail}\"}}\n\n".encode()
                         return
                     async for chunk in r.aiter_raw():
-                        if first:  # Time-To-First-Byte des Hermes-Streams (gefühlte Lucy-Latenz)
+                        if first:  # Time-To-First-Byte des Hermes-Streams (Verbindungs-Overhead)
                             record_stage("chat_ttfb", (time.perf_counter() - t0) * 1000.0)
                             first = False
+                        # Erster CONTENT-Delta = echte Hirn-Latenz (Agent-Overhead + LLM-TTFT) —
+                        # chat_ttfb misst nur den SSE-Start (~5 ms) und ist dafür blind.
+                        if first_content and b'"content"' in chunk:
+                            record_stage("chat_first_content", (time.perf_counter() - t0) * 1000.0)
+                            first_content = False
                         yield chunk
         except httpx.HTTPError as exc:
             yield f"data: {{\"error\": \"Verbindung zu Hermes fehlgeschlagen: {exc}\"}}\n\n".encode()
diff --git a/deploy/llama-swap.config.yaml b/deploy/llama-swap.config.yaml
index 67f3c93..d7ca508 100644
--- a/deploy/llama-swap.config.yaml
+++ b/deploy/llama-swap.config.yaml
@@ -5,7 +5,7 @@ globalTTL: 0
 models:
   Qwen3.6-35B-A3B:
     cmd: |
-      llama-server -m /srv/models/Qwen3.6-35B-A3B-MTP-GGUF/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 65536 -ngl 999 -fa on --no-mmap --jinja --parallel 1 -cram 16384 --spec-type draft-mtp --spec-draft-n-max 3
+      llama-server -m /srv/models/Qwen3.6-35B-A3B-MTP-GGUF/Qwen3.6-35B-A3B-UD-Q4_K_M.gguf --host 127.0.0.1 --port ${PORT} -c 65536 -ngl 999 -fa on --no-mmap --jinja --parallel 1 -cram 16384 -ctk q8_0 -ctv q8_0 --spec-type draft-mtp --spec-draft-n-max 3
     ttl: 0
     aliases:
     - hermes
diff --git a/docs/REVIEW_2026-07-02.md b/docs/REVIEW_2026-07-02.md
index 9dd84ba..d3f61fe 100644
--- a/docs/REVIEW_2026-07-02.md
+++ b/docs/REVIEW_2026-07-02.md
@@ -218,4 +218,30 @@ Quelle: `/api/voice/metrics` (live) + eigener TTFT-Test gegen llama-swap.
 
 ---
 
+## 6. Nachtrag: P0/P1-Umsetzung (02.07.2026)
+
+**P0 komplett:** chat-Lane gefixt (fast-Alias), Hermes v0.18.0 (Postcheck grün), Config versioniert, Template-Drift behoben, Git aufgeräumt. B1 war Fehlalarm (s.o.).
+
+**P1-6 STT:** Parakeet-TDT 0.6B v3 (onnx-asr, int8, Box-CPU) als Default — **A/B gemessen: 0,45 s vs. 2,44 s** (whisper-medium) bei identischem Transkript. Live deployt, auch via :9001 verifiziert.
+
+**P1-7 VAD:** Silero v5 (vad-web 0.0.30) statt RMS — Endpointing 900→450 ms, WAV direkt (kein Opus-Umweg mehr). Build + Asset-Auslieferung verifiziert; Mikro-Test beim User.
+
+**P1-9 Brain-Bench-Matrix** (Qwen3.6-35B-A3B, separater Port, Vulkan, je ~100 Gen-Token):
+
+| Config | tg kurz | tg tief (15k) | Draft-Akzeptanz kurz |
+|---|---|---|---|
+| MTP n-max 3, KV f16 (live) | **78,6 t/s** | — (Probe-EOS) | 55 % |
+| MTP n-max 4 | 63,7 | 100,9* | 39 % |
+| ohne Spec | 62,4 | — (Probe-EOS) | — |
+| **MTP n-max 3 + KV Q8_0** | **78,6** | 83,7 | 56 % |
+| ohne Spec + KV Q8_0 | 62,1 | 57,0 | — |
+
+*\*repetitiver Test-Text → unrealistisch hohe Draft-Akzeptanz (95 %); die Kurz-Spalte ist maßgeblich.*
+
+**Bench-Verdikte:** (1) MTP n-max 3 bestätigt (+26 % vs. ohne Spec — die „MoE Speculative Trap" gilt auf diesem Vulkan/parallel-1-Setup NICHT; der Artikel testete ROCm + parallel 4). (2) n-max 4 lohnt nicht (Akzeptanz fällt auf 39 %). (3) **KV Q8_0 ist gratis** (identische t/s) und halbiert den KV-Speicher → für hermes in deploy/llama-swap.config.yaml übernommen; Live-Schaltung braucht User-Freigabe. Für coder/heavy vorher cache-reuse×KV-Quant-Verträglichkeit testen (Context-Shift mit quantisiertem KV ist in llama.cpp historisch heikel).
+
+**P1-10:** `chat_first_content`-Metrik in voice.py — misst die echte Hirn-Latenz (Agent-Overhead + LLM-TTFT bis zum ersten Inhalts-Token) statt nur des SSE-Starts.
+
+---
+
 *Erhoben am 02.07.2026 durch Claude Code (Live-SSH auf Box, lokale PC-Prüfung, 3 Codebase-Agents, 3 Web-Recherche-Runden). Messwerte: /api/voice/metrics (n=13 STT, n=18 chat_ttfb), TTFT-Direktmessung llama-swap :8080.*