# Registry für den Cluster "knaster" (SPEC-core §1).
# Clients sprechen nur Slot-Namen an; litellm_model ist der Alias in deploy/litellm/config.yaml.
# ops: Labels für den Healer (Portainer-Endpoint, Container, Proxmox-Node, VM-ID).
slots:
  tier0-strong:
    tier: 0
    device: external
    engine: openrouter
    litellm_model: tier0-strong
    base_model: openrouter-strong       # konkretes Modell steht nur in der LiteLLM-Konfiguration
    max_context: 200000
    effective_context: 120000

  tier1-general:
    tier: 1
    device: gpu
    engine: vllm
    node: gpu-main                       # RTX 4000 Ada auf gode-pc-05 (Windows, D3)
    litellm_model: tier1-general
    base_model: qwen3-14b-awq            # Startkandidat, Entscheidung per Kalibrierungslauf
    max_context: 32768
    effective_context: 16384
    supports_lora: true
    fallbacks: [tier1-flex]
    ops: {docker_host: gpu-main, container: vllm}   # keine Proxmox-VM; Anbindung über Worker-Registry v2 (Task 6.4)

  tier1-flex:
    tier: 1
    device: gpu
    engine: vllm
    node: gpu-flex                       # RTX 4000 Ada auf gode-pc-06 (nachts Training → unavailable)
    litellm_model: tier1-flex
    base_model: qwen3-14b-awq
    max_context: 32768
    effective_context: 16384
    supports_lora: true
    ops: {docker_host: gpu-flex, container: vllm}   # keine Proxmox-VM; Anbindung über Worker-Registry v2 (Task 6.4)

  verifier-small:
    tier: 1
    device: gpu
    engine: llamacpp
    node: gpu-small                      # Quadro P2000 auf pve48 (Placement 12.10.)
    litellm_model: verifier-small
    base_model: qwen3-4b-q4km
    max_context: 8192
    effective_context: 6144
    ops: {docker_host: gpu-pve48, container: llamacpp-chat, pve_node: pve48, vmid: "248"}

  signature-extractor:
    tier: 1
    device: gpu
    engine: llamacpp
    node: gpu-small
    litellm_model: signature-extractor
    base_model: qwen3-4b-q4km
    max_context: 8192
    effective_context: 6144
    ops: {docker_host: gpu-pve48, container: llamacpp-chat, pve_node: pve48, vmid: "248"}

  embed-default:
    tier: 1
    device: gpu
    engine: llamacpp
    node: gpu-embed                      # Quadro P2000 auf pve44 und pve46 (Anti-Affinität, Placement 12.10.)
    litellm_model: embed-default
    base_model: qwen3-embedding-0.6b-q8
    max_context: 8192
    kind: embedding
    ops: {docker_host: gpu-pve44, container: llamacpp-embed, pve_node: pve44, vmid: "244"}   # zweite Instanz in gpu-pve46

  rerank-default:
    tier: 1
    device: gpu
    engine: llamacpp
    node: gpu-embed
    litellm_model: rerank-default
    base_model: bge-reranker-v2-m3-q8
    max_context: 8192
    kind: rerank
    ops: {docker_host: gpu-pve44, container: llamacpp-rerank, pve_node: pve44, vmid: "244"}   # zweite Instanz in gpu-pve46

  # --- Sprachausgabe (ADR-0006) ---
  tts-de:
    tier: 1
    device: cpu
    engine: piper
    node: infra
    litellm_model: tts-de
    base_model: piper-de-thorsten-medium
    max_context: 5000                    # Zeichen pro Anfrage (TTS-Dienst-Limit)
    kind: tts
    ops: {docker_host: infra, container: tts-piper, pve_node: pve44, vmid: "101"}   # Knoten laut proxmox.yaml (HA nach pve52/pve48)

  tts-de-hq:
    tier: 1
    device: gpu
    engine: pytorch
    node: gpu-flex                       # teilt sich die Ada auf gode-pc-06 mit tier1-flex; während Training unavailable
    litellm_model: tts-de-hq
    base_model: qwen3-tts-1.7b
    max_context: 5000
    kind: tts
    ops: {docker_host: gpu-flex, container: qwen-tts}   # keine Proxmox-VM; Anbindung über Worker-Registry v2 (Task 6.4)

adapters: []