feat(cookbook): Elite-Lineup + MoE-Badge/Faehigkeit + Best-of-4
- Elite-Lineup-Rezept (5 Rollen: coder/manager/reviewer/vision/scout), MoE-orientiert -> wird automatisch 'Beste Wahl' (meiste Modelle, passt). - MoE-Erkennung clientseitig aus Repo-Name (8xNB / -A3B / mixtral/moe); Chip 'MoE - ~XB aktiv' in Discover-/Such-Karten + Rezept-Detail. - Faehigkeits-Chip (Bilder/Coden/Logik/Agenten/Allrounder) je Modell. - Discover hebt je Kategorie das beste lauffaehige Modell hervor (recommended pro Kategorie: bester Fit, dann Downloads). Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
This commit is contained in:
+5
-1
@@ -433,7 +433,11 @@ def discover(force: bool = False):
|
||||
ms = [{**m, "installed": _model_installed(m["repo"], idx),
|
||||
"requirements": _model_requirements(m["role"], m.get("quant", "Q4_K_M"), m["fit"])}
|
||||
for m in c["models"]]
|
||||
out.append({**c, "models": ms})
|
||||
# „Beste Wahl" je Kategorie: das lauffähige Modell mit dem besten Fit (perfect vor
|
||||
# marginal), bei Gleichstand das meistgeladene. Zu große Modelle kommen nie in Frage.
|
||||
ranked = sorted([m for m in ms if m["fit"]["level"] != "too_tight"],
|
||||
key=lambda m: (_FIT_ORDER[m["fit"]["level"]], -int(m.get("downloads") or 0)))
|
||||
out.append({**c, "models": ms, "recommended": ranked[0]["repo"] if ranked else None})
|
||||
return {"updated": data["updated"], "categories": out,
|
||||
"sys_ram_gb": round(ram_gb, 1), "stale": not fresh}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user