Initial commit: Qwen3.6-MoE-35B-A3B server configuration and documentation

run_qwen35b_server_uncensored_rag_longctx.sh

@@ -0,0 +1,138 @@
+#!/usr/bin/env bash
+set -euo pipefail
+
+# Konfiguration
+HF_HOME="${HF_HOME:-/home/dschlueter/nvme2n1p7_home/huggingface}"
+MODEL_REL_PATH="models/qwen3/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf"
+IMAGE="ghcr.io/ggml-org/llama.cpp:server-cuda"
+CONTAINER_NAME="qwen35b-moe-uncensored-rag-longctx"
+HOST_PORT=8000
+CONTAINER_PORT=8000
+
+echo "[*] Verwende HF_HOME = $HF_HOME"
+if [ ! -f "$HF_HOME/$MODEL_REL_PATH" ]; then
+  echo "[!] Modell-Datei nicht gefunden: $HF_HOME/$MODEL_REL_PATH" >&2
+  exit 1
+fi
+
+# Optional: altes gleichnamiges Container-Exemplar stoppen
+if docker ps -a --format '{{.Names}}' | grep -q "^${CONTAINER_NAME}\\$"; then
+  echo "[*] Stoppe existierenden Container $CONTAINER_NAME ..."
+  docker rm -f "$CONTAINER_NAME" >/dev/null 2>&1 || true
+fi
+
+echo "[*] Starte llama.cpp-Server-Container ($IMAGE) ..."
+echo "[*] Modus: Uncensored, RAG-fähig, Long Context"
+
+docker run -d \
+  --gpus '"device=1,2"' \
+  --name "$CONTAINER_NAME" \
+  --restart unless-stopped \
+  -e HF_HOME="/hf_home" \
+  -v "$HF_HOME:/hf_home:ro" \
+  -p "${HOST_PORT}:${CONTAINER_PORT}" \
+  "$IMAGE" \
+    -m "/hf_home/${MODEL_REL_PATH}" \
+    -c 262144 \
+    -n 16384 \
+    --jinja \
+    --no-context-shift \
+    --temp 0.2 \
+    --top-p 0.95 \
+    --top-k 40 \
+    --min-p 0.01 \
+    --repeat-penalty 1.05 \
+    --main-gpu 0 \
+    --tensor-split 0.5,0.5 \
+    -ngl 999 \
+    -fa on \
+    --kv-unified \
+    --cache-type-k q8_0 \
+    --cache-type-v q8_0 \
+    --batch-size 2048 \
+    --ubatch-size 512 \
+    --parallel 2 \
+    --cont-batching \
+    --host 0.0.0.0 \
+    --port "$CONTAINER_PORT"
+
+echo "[*] Container gestartet: $CONTAINER_NAME"
+echo "[*] Warte, bis HTTP-Port ${HOST_PORT} antwortet ..."
+
+HTTP_READY=0
+for i in {1..90}; do
+  if curl -s "http://localhost:${HOST_PORT}/" >/dev/null 2>&1; then
+    echo "[*] Server antwortet auf http://localhost:${HOST_PORT}/"
+    HTTP_READY=1
+    break
+  fi
+  echo "[*] Warte (${i}/90) auf HTTP ..."
+  sleep 2
+done
+
+if [ "$HTTP_READY" -ne 1 ]; then
+  echo "[!] HTTP-Server wurde nicht rechtzeitig erreichbar." >&2
+  echo "[*] Letzte Container-Logs:"
+  docker logs --tail 200 "$CONTAINER_NAME" || true
+  exit 1
+fi
+
+echo "[*] Warte, bis das Modell wirklich geladen ist ..."
+
+MODEL_READY=0
+for i in {1..180}; do
+  HTTP_CODE="$(curl -s -o /tmp/${CONTAINER_NAME}_ready.json -w "%{http_code}" \
+    -X POST "http://localhost:${HOST_PORT}/v1/chat/completions" \
+    -H "Content-Type: application/json" \
+    -d '{
+      "model": "qwen3.6-35b-a3b-moe-rag-longctx",
+      "messages": [
+        { "role": "system", "content": "Du bist ein hilfreicher deutscher Assistent." },
+        { "role": "user",   "content": "Antworte nur mit dem Wort: bereit" }
+      ],
+      "max_tokens": 8,
+      "temperature": 0.0,
+      "stream": false
+    }' || true)"
+
+  BODY="$(cat /tmp/${CONTAINER_NAME}_ready.json 2>/dev/null || true)"
+
+  if [ "$HTTP_CODE" = "200" ]; then
+    echo "[*] Modell ist geladen und antwortet."
+    MODEL_READY=1
+    break
+  fi
+
+  echo "[*] Warte (${i}/180) auf Modell ... HTTP ${HTTP_CODE} - ${BODY}"
+  sleep 5
+done
+
+if [ "$MODEL_READY" -ne 1 ]; then
+  echo "[!] Modell wurde nicht rechtzeitig bereit." >&2
+  echo "[*] Letzte Container-Logs:"
+  docker logs --tail 200 "$CONTAINER_NAME" || true
+  exit 1
+fi
+
+echo "[*] Sende finalen Test-Chat-Request an /v1/chat/completions ..."
+
+RESPONSE="$(curl -s -X POST "http://localhost:${HOST_PORT}/v1/chat/completions" \
+  -H "Content-Type: application/json" \
+  -d '{
+    "model": "qwen3.6-35b-a3b-moe-rag-longctx",
+    "messages": [
+      { "role": "system", "content": "Du bist ein hilfreicher deutscher Assistent für RAG-gestützte Wissensarbeit." },
+      { "role": "user",   "content": "Antworte in einem Satz: Der Server für sehr langen Kontext ist betriebsbereit." }
+    ],
+    "max_tokens": 64,
+    "temperature": 0.2,
+    "stream": false
+  }')"
+
+echo
+echo "[*] Antwort vom Server:"
+echo "$RESPONSE"
+
+echo
+echo "[*] Zum Stoppen des Servers:"
+echo "    docker rm -f $CONTAINER_NAME"