#self-hosted

Gemma locale era troppo lento con AIdaemon finché non ho corretto llama.cpp e la dimensione del prompt

Volevo AIdaemon su Gemma locale 4 26B tramite llama.cpp, non Ollama. La generazione avveniva a circa 45 tok/s su un M4 Pro. I turni dell'agente sembravano ancora bloccati perché il prefill su prompt da 14k token richiedeva da 8 a 9 secondi prima che il modello scrivesse una singola parola.