fix+feat: offene Punkte abgeschlossen

Kontext in Connect-Snippet:
- ConnectPanel: max_tokens nutzt jetzt den echten konfigurierten Kontext
  des Modells (m.meta.ctx) statt hartkodiertem 32768 -> Zed sieht 128k

Phase D - 'Immer aktiv halten' Toggle:
- models.py: UpdateReq bekommt optionales ttl-Feld
- update_model: setzt TTL wenn angegeben (ctx und ttl unabhaengig)
- ModelsPanel: Checkbox 'Immer aktiv halten' im Konfig-Modal
  (TTL=99999 = nie entladen, TTL=300 = Standard 5min)

MoE tps-Schaetzung:
- hw_math.py: extract_active_params_b() erkennt A3B-Suffix
- estimate_speed(): moe_active_ratio-Parameter, sqrt-Boost fuer MoE
- evaluate_fit(): name-Parameter (optional) fuer automatische MoE-Erkennung
- cookbook.py: alle evaluate_fit-Aufrufe mit name= versehen

Cleanup:
- static/js/panels/*.js + static/js/main.js geloescht (Dead Code)
- wird-Datei (versehentlich committet) geloescht
- CLAUDE.md: KISS-Statement auf Vite+Svelte-Stand aktualisiert

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

hw_math.py

@@ -36,21 +36,36 @@ def estimate_memory_gb(params_b: float, quant: str, ctx: int) -> float:
     
     return weights + context_vram
 
-def estimate_speed(req_gb: float, sys_ram_gb: float) -> float:
-    """Berechnet die geschätzte Tokens/s basierend auf der 273 GB/s Bandbreite der APU."""
-    # Strix Halo hat ca 273 GB/s Unified Memory Bandbreite.
+def extract_active_params_b(name: str) -> float | None:
+    """Aktive Parameter bei MoE-Modellen aus dem Namen (z.B. '30B-A3B' → 3.0).
+    Gibt None zurück für Dense-Modelle (kein MoE-Suffix erkannt)."""
+    m = re.search(r'(?<![a-zA-Z])a(\d+(?:\.\d+)?)b\b', name.lower())
+    return float(m.group(1)) if m else None
+
+
+def estimate_speed(req_gb: float, sys_ram_gb: float, moe_active_ratio: float = 1.0) -> float:
+    """Berechnet die geschätzte Tokens/s basierend auf der 273 GB/s Bandbreite der APU.
+    moe_active_ratio = aktive_params / gesamt_params; < 1 bei MoE (z.B. 0.1 für 30B-A3B)."""
     bw = 273 if sys_ram_gb > 8 else 70
     if req_gb <= 0:
         return 0.0
-    
-    # (Bandbreite / Modellgröße) * Effizienz (0.55)
     raw_tps = (bw / req_gb) * 0.55
+    # MoE-Boost: nur ein Bruchteil der Gewichte wird pro Token aktiviert →
+    # effektiv höhere Durchsatzrate als ein Dense-Modell gleicher Gesamtgröße.
+    # sqrt-Dämpfung: Routing-Overhead + VRAM-Traffic für alle Experten bleibt.
+    if moe_active_ratio < 0.8:
+        raw_tps *= (1.0 / moe_active_ratio) ** 0.5
     return raw_tps
 
-def evaluate_fit(params_b: float, quant: str, ctx: int, sys_ram_gb: float) -> dict:
-    """Berechnet den Fit für ein System mit Shared Memory (APU)."""
+
+def evaluate_fit(params_b: float, quant: str, ctx: int, sys_ram_gb: float,
+                 name: str = "") -> dict:
+    """Berechnet den Fit für ein System mit Shared Memory (APU).
+    name wird für MoE-Erkennung genutzt (optional)."""
     req_gb = estimate_memory_gb(params_b, quant, ctx)
-    tps = estimate_speed(req_gb, sys_ram_gb)
+    active_b = extract_active_params_b(name) if name else None
+    moe_ratio = (active_b / params_b) if (active_b and params_b > 0) else 1.0
+    tps = estimate_speed(req_gb, sys_ram_gb, moe_ratio)
     
     # Das OS und andere Prozesse brauchen RAM. Wir lassen 4GB Puffer.
     usable_ram = max(sys_ram_gb - 4.0, 0)