"""
Extrahierte Mathematik aus dem Odysseus Projekt zur VRAM/RAM Berechnung.
Abgestimmt auf APUs mit Unified Memory (Bosgame M5 / Strix Halo).
"""

# Annahme: Bytes per Parameter für GGUF Quants
QUANT_BYTES_PER_PARAM = {
    "Q2_K": 0.35,
    "Q3_K_S": 0.38,
    "Q3_K_M": 0.42,
    "Q3_K_L": 0.45,
    "Q4_0": 0.50,
    "Q4_1": 0.55,
    "Q4_K_S": 0.50,
    "Q4_K_M": 0.55,
    "Q5_0": 0.62,
    "Q5_1": 0.68,
    "Q5_K_S": 0.62,
    "Q5_K_M": 0.65,
    "Q6_K": 0.75,
    "Q8_0": 1.00,
    "F16": 2.00,
    "BF16": 2.00,
}

def estimate_memory_gb(params_b: float, quant: str, ctx: int) -> float:
    """Berechnet den geschätzten Speicherbedarf in GB (Gewichte + Kontext)."""
    # Wenn unbekanntes Format, nimm sicherheitshalber Q5_K_M (0.65)
    bpp = QUANT_BYTES_PER_PARAM.get(quant.upper(), 0.65)
    weights = params_b * bpp
    
    # Heuristik für Context-RAM: 8k Context bei 7B Parametern frisst ca. 0.8 GB
    context_vram = (ctx / 8192) * (max(params_b, 7) / 7) * 0.8
    
    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.
    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
    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)."""
    req_gb = estimate_memory_gb(params_b, quant, ctx)
    tps = estimate_speed(req_gb, sys_ram_gb)
    
    # Das OS und andere Prozesse brauchen RAM. Wir lassen 4GB Puffer.
    usable_ram = max(sys_ram_gb - 4.0, 0)
    
    if req_gb > usable_ram:
        fit_level = "too_tight"
        text = "Zu groß (OOM)"
    elif req_gb > usable_ram * 0.8:
        fit_level = "marginal"
        text = "Könnte knapp werden"
    else:
        fit_level = "perfect"
        text = "Passt perfekt"
        
    return {
        "level": fit_level,
        "text": text,
        "req_gb": round(req_gb, 1),
        "tps": round(tps, 0)
    }