bildgenerierung auf GPU

llama-swap/config.yaml

@@ -12,6 +12,10 @@
 #   - Embeddings laufen auf der CPU
 #   - das Bildmodell (z-image) ist in der chat-Gruppe: es verdrängt das Chat-Modell
 #
+# Hilfsmodelle (Autocomplete, Embeddings, Whisper, Bilder) sind "unlisted": Sie fehlen in
+# /v1/models, damit man sie im Web-Chat nicht als Chat-Modell wählt. Per ID bleiben
+# sie normal nutzbar.
+#
 # whisper-server und sd-server kommen aus dem unified-Image (llama-swap/Dockerfile).
 # Ihre Modelle liegen fest in ./models/whisper und ./models/sd (kein -hf), siehe README.
 
@@ -58,6 +62,7 @@ models:
       -hf ggml-org/Qwen2.5-Coder-1.5B-Q8_0-GGUF
       -ngl 99
     ttl: 0
+    unlisted: true
 
   # --- Embeddings (Continue @codebase) -----------------------------------
   nomic-embed:
@@ -67,6 +72,7 @@ models:
       -hf nomic-ai/nomic-embed-text-v1.5-GGUF:Q8_0
       --embedding --pooling mean -c 8192 -b 8192 -ub 8192 -ngl 0 --threads 8
     ttl: 0
+    unlisted: true
 
   # --- Transkription (/v1/audio/transcriptions) --------------------------
   whisper:
@@ -81,6 +87,7 @@ models:
       -t 8 -l auto
     aliases: [whisper-1]
     ttl: 0
+    unlisted: true
 
   # --- Bilder (/v1/images/generations), sd-server über Vulkan ------------
   z-image:
@@ -97,6 +104,7 @@ models:
     # Der OpenAI-Treiber (z. B. Laravel AI SDK) schickt seine eigenen Modellnamen
     aliases: [gpt-image-1, dall-e-3, dall-e-2]
     ttl: 600
+    unlisted: true
 
 # Helfer-Modelle beim Container-Start laden (auch nach Reboot), damit
 # Autocomplete sofort reagiert. Das Chat-Modell lädt beim ersten Request