Rinominati i modelli nel preset

containers/llamacpp/preset.ini

@@ -2,14 +2,12 @@
 #
 # Il server gira in router mode (nessun modello fisso): ogni sezione [nome]
 # definisce un modello, e il nome della sezione e' il valore da passare nel
-# campo "model" dell'API, es. { "model": "qwen36-mtp", "messages": [...] }.
+# campo "model" dell'API, es. { "model": "unsloth/DeepSeek-V4-Flash-0731-GGUF:IQ3_XXS", ... }.
 #
-# Sezione [*]: parametri di tuning globali condivisi da tutti i modelli.
-# I parametri per-modello (es. MTP, ctx-size dedicato) vanno NEL sezione del
-# modello, NON in [*].
-#
-# Hf tag: usa il quant ESATTO del repo (prefisso UD- incluso), es. UD-IQ4_NL,
-# altrimenti llama.cpp potrebbe non individuare il file.
+# IMPORTANTE: il nome della sezione deve coincidere ESATTAMENTE con l'id che
+# la sorgente "cache" mostra in /v1/models (repo:quant SENZA prefisso UD-,
+# es. :IQ4_NL). Cosi' la voce del preset e quella della cache si fondono in
+# un'unica entry. Il tag "hf" invece usa il quant ESATTO del file (con UD-).
 #
 # Esempi per-modello:
 #   [chat]
@@ -30,7 +28,7 @@ cache-reuse     = 256
 
 # MTP nativo (layers MTP nel GGUF): ~1.5-2x piu' veloce.
 # Nota: MTP richiede -np 1 (parallel non supportato) e -fa on.
-[qwen36-mtp]
+[unsloth/Qwen3.6-35B-A3B-MTP-GGUF:IQ4_NL]
 hf               = unsloth/Qwen3.6-35B-A3B-MTP-GGUF:UD-IQ4_NL
 spec-type        = draft-mtp
 spec-draft-n-max = 2
@@ -38,14 +36,14 @@ spec-draft-n-max = 2
 # Gemma 4 (MTP tramite file draft separato "MTP Q8_0"/"MTP BF16"):
 # da configurare esplicitamente con il draft model se serve; senza spec si
 # carica senza speculative decoding.
-[gemma4]
+[unsloth/gemma-4-26B-A4B-it-GGUF:IQ4_NL]
 hf = unsloth/gemma-4-26B-A4B-it-GGUF:UD-IQ4_NL
 
 # DeepSeek V4 Flash: speculative decoding via DSpark (spec-type draft-dspark),
 # NON draft-mtp. Il draft module e' un GGUF separato (dspark-...-Q8_0.gguf),
 # auto-scaricato da HF tramite hf-repo-draft (il tag :Q8_0 individua univocamente
 # il file draft, essendo il solo file "Q8_0" del repo).
-[deepseek]
+[unsloth/DeepSeek-V4-Flash-0731-GGUF:IQ3_XXS]
 hf                  = unsloth/DeepSeek-V4-Flash-0731-GGUF:UD-IQ3_XXS
 hf-repo-draft       = unsloth/DeepSeek-V4-Flash-0731-GGUF:Q8_0
 spec-type           = draft-dspark
@@ -55,7 +53,7 @@ n-gpu-layers-draft  = 99
 # Modello di embedding multilingua (per /v1/embeddings, es. RAG).
 # embeddings=true rende l'istanza embedding-only; pooling=last come da card;
 # ctx-size ridotto fa override del [*] (131072).
-[embedding]
+[Qwen/Qwen3-Embedding-0.6B-GGUF:Q8_0]
 hf          = Qwen/Qwen3-Embedding-0.6B-GGUF:Q8_0
 embeddings  = true
 pooling     = last