# Radar — Modell-Radar, Stack-Radar, Prüfstand _Stand 24.09.2026, Code in `main` = `75611be`. Für Techniker und Agenten._ Es gibt zwei Radare mit getrennten Aufgaben: - **Modell-Radar** (Box-Wart, `mc2-radar.timer` um 00:30): sucht und testet neue Modelle für Hirn und Coder selbst. Getauscht wird nur per Knopf „Übernehmen". - **Stack-Radar** (Hermes-Cron „KI und Stack Radar", Sa 08:00): Wochenbericht über den Zustand der Box und über Neuigkeiten draußen (Releases, Entwurfsmodelle). Er testet und ändert nichts. ## Modell-Radar Code: `backend/services/radar.py`, Nachtlauf `backend/radar_lauf.py`, Messungen `deploy/bench/pruefstand.py`, Merkliste `deploy/radar-watchlist.json`. Zustand: `/srv/models/mc2-radar.json`, Baseline `/srv/models/mc2-radar-baseline.json`, Downloads `/srv/models/radar//`. Protokoll: `journalctl --user -u mc2-radar`. ### Leitplanken (User-Entscheid 23.09.) - Zwei Rollen: Hirn (Alias `hermes`) und Coder (Alias `coder`), jede mit Bild-Zwilling (`vision` bzw. `coder-bild`). - Tests nur nachts 00:30–02:30, höchstens ein neuer Kandidat pro Woche. Um 03:00 braucht der NerdQuiz-Nachtlauf das Hirn. - Nur was neben das Warm-Set passt: 27 GB Warm-Set plus Kandidat mit KV-Cache ≤ 115 GB, gerechnet mit dem Kontext aus dem Betrieb (131 072; passt das nicht, stufenweise kleiner, nie unter 32 768). Ab 90 % des Budgets heißt es „passt knapp". - Pflicht: GGUF plus Bild-Projektor (mmproj), mindestens 20B Parameter; als Hirn höchstens 12B aktive Parameter (dichte Modelle nie als Hirn). Die installierte Engine muss die Architektur kennen, und die Platte darf nach dem Download nicht über 80 % liegen. - Durchgefallene werden gelöscht, Bestandene bleiben liegen. Getauscht wird erst mit „Übernehmen". ### Ablauf einer Nacht 1. Um 00:30 startet `mc2-radar.service` (`Persistent=true`, holt einen verpassten Lauf nach). 2. **Suche**, höchstens einmal am Tag: zuerst die Merkliste in ihrer Reihenfolge, dann die Hugging-Face-Entdeckung (höchstens 3 Funde je Rolle). Jeder Fund wird bewertet: Dateien, Größe, Engine-Unterstützung, Speicher. Der Knopf „Jetzt suchen" macht dasselbe sofort (läuft synchron und kann Minuten dauern). 3. **Offene Urteile nachholen:** Kandidaten mit Status „getestet", bei denen die Vergleichsmessung fehlte. 4. **Test**, wenn ein Kandidat dran ist: 1. Download nach `/srv/models/radar//`. 2. Baseline des heutigen Modells der Rolle über llama-swap (gecacht, höchstens monatlich neu gemessen). 3. In llama-swap bleibt nur das Warm-Set; ein Aufpasser entlädt Modelle, die nachts nachgeladen werden (etwa den Coder). 4. Draft-Varianten kurz messen: ohne Draft, eingebauter MTP-Kopf, Draft des heutigen Modells (nur bei gleicher Architektur und genug Speicher). Ein Draft aus der Merkliste wird allein genommen. 5. Mit der schnellsten Variante den Prüfstand fahren; der Kandidat läuft als eigener `llama-server` auf `:5899`. 6. Bild-Probe über einen Zwilling ohne Draft, dann das Urteil. 5. **Frist:** Die Messungen prüfen das Fensterende 02:30 selbst. 5 Minuten danach zieht die Notbremse (Kandidaten-Server und Download stoppen, der Prozess endet hart). `RuntimeMaxSec=2h10min` beendet die Unit spätestens um 02:40 samt `llama-server`. 6. **Bestanden:** Meldung „[Modell-Radar] … hat den Nachttest bestanden"; nachts landet sie in der Morgenmeldung. Status eines Kandidaten: neu → wartet → getestet → bestanden oder durchgefallen → uebernommen oder verworfen. Höchstens 3 Versuche je Kandidat; ein Abbruch, für den der Kandidat nichts kann, zählt nicht als Versuch. ### Prüfstand (`deploy/bench/pruefstand.py`) - Der Kandidat läuft als eigener `llama-server` auf `127.0.0.1:5899`; der Live-Stack bleibt unberührt. - **Hirn:** Tempo kurz und bei 13k Kontext (Prefill, Decode, Draft-Akzeptanz), Werkzeug-Aufrufe zwischen ~100 Werkzeugen mit ~12k Kontext, Deutsch- und JSON-Probe. - **Coder:** Tempo, Werkzeug-Aufrufe eines Coding-Agenten, 10 kleine Programmieraufgaben mit Unit-Tests in einem Temp-Ordner mit Zeitlimit. - **Bild:** ein im Code gezeichnetes Bild (Formen, Farben, Text), einmal direkt, einmal mitten in einer Werkzeug-Aufgabe. - **Urteil:** bestanden = keine Verschlechterung bei den Pflichtwerten UND mindestens ein echter Vorteil. - **Handbetrieb:** `deploy/bench/pruefstand-hirn.py` misst Kandidaten mit festen Pfaden gegen die Live-Modelle, optional mit einem Werkzeug-Test durch den echten Hermes (Provider `pruefstand` in der Hermes-Config). ### Übernehmen und Verwerfen (Seite „Modelle") **Übernehmen** geht nur bei Status „bestanden" und nicht während eines Nachtlaufs: 1. Der Ordner wandert von `/srv/models/radar/` nach `/srv/models/`. 2. Eintrag in llama-swap mit dem getesteten Draft und den Betriebs-Flags der Rolle, ohne Projektor. Dazu der Bild-Zwilling `-Bild` in der Gruppe `bild` (ttl 900). Der alte Zwilling fliegt aus der Config, seine Dateien bleiben. 3. **Hirn:** Alias `hermes`, Gruppe `brains`, ttl 0, `model.default` in der Hermes-Config; Hermes startet dafür kurz neu. Der Alias `fast` wandert mit, `MC_WARMSET` im Steward-Drop-in wird umgestellt und der Steward neu gestartet. **Coder:** Rolle `coder`; `heavy` wandert mit, die ttl des alten Coders wird übernommen. 4. Das alte Modell bleibt auf der Platte (Aufräumen-Panel). **Verwerfen:** Die heruntergeladenen Dateien werden gelöscht, und das Radar testet dieses Modell nie wieder. Ein Tausch schreibt die llama-swap-Config heute noch mehrmals (offener Punkt in [wissen/OFFENE-FAEDEN.md](wissen/OFFENE-FAEDEN.md)). ### Merkliste `deploy/radar-watchlist.json`, Felder je Eintrag: `name`, `rolle` (`hirn` oder `coder`), `repo`, `quant` (Standard Q4_K_M), `eng` (passt nur knapp), `notiz`, `ueberspringen` (Grund, dann kein Test), optional `draft` und `flags`. Merkliste und Hugging-Face-Entdeckung zusammen ergeben die Warteschlange; Merkliste zuerst. ## Stack-Radar (Hermes-Cron „KI und Stack Radar", Sa 08:00) - `deploy/jobs/stack-radar.sh` sammelt Fakten und meldet selbst über `notify.sh` mit Betreff „[Stack-Radar]". - `deploy/jobs/stack-ist.sh` prüft Ergebnisse statt Lebenszeichen: Lösen die Rollen-Aliase auf? Lief der letzte Timer gut? Ist die Sicherung jünger als zwei Tage? - `deploy/jobs/stack-upstream.py` schaut nach draußen: Releases, gemergte PRs, neue Entwurfsmodelle und Modelle der Familien, die die Box fährt; verglichen mit dem letzten Lauf (`~/.hermes/state/stack-upstream.json`). Liste: `deploy/trend-radar-watchlist.json`. - Das Hirn (`fast`) schreibt aus den Fakten einen kurzen Bericht; es darf nichts dazuerfinden. Antwortet es nicht, gehen die roten Rohbefunde trotzdem raus. - Grundsatz: „Fakten sammelt ein Skript, Prosa schreibt das Modell." Mehr in [deploy/jobs/README.md](../deploy/jobs/README.md).