File size: 1,070 Bytes
43aaf2b
 
 
0bc758e
43aaf2b
 
0bc758e
43aaf2b
 
8b15c4a
 
 
 
43aaf2b
23413c3
 
 
ab1399c
 
 
 
 
 
 
6ca36c7
5f06832
 
 
 
 
 
 
 
 
 
ab1399c
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
#!/bin/sh
set -eu

MODEL_SPEC="${MODEL_SPEC:-openbmb/MiniCPM-V-4.7-1B-gguf:Q8_0}"
HOST="${HOST:-0.0.0.0}"
PORT="${PORT:-7860}"
CTX_SIZE="${CTX_SIZE:-16384}"
THREADS="${THREADS:-2}"
PARALLEL="${PARALLEL:-1}"
REASONING_MODE="${REASONING_MODE:-off}"
CACHE_TYPE_K="${CACHE_TYPE_K:-q8_0}"
CACHE_TYPE_V="${CACHE_TYPE_V:-q8_0}"
FLASH_ATTN="${FLASH_ATTN:-on}"

# Speculative decoding désactivé par défaut : draft-mtp est spécifique à Gemma
# et MiniCPM-V n'a pas de tête MTP. Mets SPEC_TYPE=ngram-cache dans les
# secrets du Space pour essayer l'auto-spéculation (sans modèle draft).
SPEC_TYPE="${SPEC_TYPE:-none}"
SPEC_FLAGS=""
if [ "$SPEC_TYPE" != "none" ]; then
  SPEC_FLAGS="--spec-type $SPEC_TYPE"
fi

# shellcheck disable=SC2086
exec /app/llama-server \
  -hf "$MODEL_SPEC" \
  --host "$HOST" \
  --port "$PORT" \
  --ctx-size "$CTX_SIZE" \
  --threads "$THREADS" \
  --threads-batch "$THREADS" \
  --parallel "$PARALLEL" \
  --cache-type-k "$CACHE_TYPE_K" \
  --cache-type-v "$CACHE_TYPE_V" \
  --reasoning "$REASONING_MODE" \
  -fa "$FLASH_ATTN" \
  $SPEC_FLAGS