slots und kontextfenster angepasst

llama-swap/config.yaml

@@ -23,8 +23,9 @@ macros:
   server: >-
     /app/llama-server --host 127.0.0.1 --port ${PORT}
     --jinja -fa on --threads 12 --no-webui
-  # Agent-Betrieb: großer Kontext, KV-Cache quantisiert, VRAM-Reserve für Autocomplete
-  agent-ctx: -c 65536 -ctk q8_0 -ctv q8_0 --fit-target 3072
+  # Agent-Betrieb: großer Kontext, KV-Cache quantisiert, VRAM-Reserve für Autocomplete;
+  # -np 1 = eine Sitzung gleichzeitig, sie bekommt den ganzen Kontext (sonst teilen sich 4 Slots)
+  agent-ctx: -c 131072 -np 1 -ctk q8_0 -ctv q8_0 --fit-target 3072
 
 models:
   # --- Chat / Agent (opencode, Continue Chat/Agent/Edit) -----------------
@@ -45,7 +46,7 @@ models:
   qwen3.5-9b:
     name: Qwen3.5 9B (schnell, komplett im VRAM)
     cmd: >-
-      ${server} -c 32768 -ctk q8_0 -ctv q8_0 --fit-target 3072
+      ${server} -c 32768 -np 1 -ctk q8_0 -ctv q8_0 --fit-target 3072
       -hf unsloth/Qwen3.5-9B-GGUF:Q4_K_M
     ttl: 3600