chore: update docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md via opax-mcp

docs/HANDOFF-LOCAL-LLM-GITEA-MCP.md

@@ -7,7 +7,7 @@ Denne handoffen er det eneste autoritative arbeidsdokumentet for sporet "lokal L
 
 ---
 
-## FREMDRIFT – OPPDATERT 2026-07-21 21:57 CEST
+## FREMDRIFT – OPPDATERT 2026-07-21 22:22 CEST
 
 ### ✅ FASE 0 – Lås situasjonen — FERDIG
 - Handoff opprettet som eget dokument
@@ -63,7 +63,7 @@ Ingen regresjon på tidligere grønne tools. Hele kjeden er verifisert i samme r
 - Avklart at nåværende `OLLAMA_BASE_URL` og `GITEA_URL` i praksis har pekt mot dev-snap i aktiv verifikasjonsperiode
 - Gitea-CPU-VM står fast som permanent målmaskin
 
-### ⏳ FASE 6 – CPU-optimalisering før permanent migrering — NESTE
+### ⏳ FASE 6 – CPU-optimalisering før permanent migrering — PÅGÅR
 Formål: Verifisere at Emma-arkitekturen fungerer akseptabelt på Gitea-CPU-VM før permanent cutover fra dev-snap.
 
 Bakgrunn:
@@ -73,22 +73,67 @@ Bekreftede regler:
 - `OLLAMA_KEEP_ALIVE=-1` er obligatorisk baseline
 - resident modellstrategi må avklares eksplisitt (1 varm modell vs 2 varme modeller)
 - `qwen2.5:7b` er ikke baseline-kandidat på gitea-cpu-vm
-- CPU-optimalisering skal skje på dev-snap først (simulert CPU / `num_gpu 0`), deretter verifiseres på gitea-cpu-vm
+- CPU-optimalisering utføres direkte på gitea-cpu-vm (ikke dev-snap, da `num_gpu 0` ignoreres av Ollama der)
 - alle resultater føres tilbake i OPPDATERINGSLOGG samme dag
 
 Testrekkefølge:
-1. Kaldstart / keep_alive baseline
+1. ✅ Kaldstart / keep_alive baseline — FERDIG 2026-07-21
-2. Resident modell-strategi (1 vs 2 modeller)
+2. ⏳ Resident modell-strategi (1 vs 2 modeller)
-3. Parameter-matrise (`num_ctx`, `num_batch`, `OLLAMA_NUM_THREADS`)
+3. ⏳ Parameter-matrise (`num_ctx`, `num_batch`, `OLLAMA_NUM_THREADS`)
-4. Full Emma MCoT end-to-end
+4. ⏳ Full Emma MCoT end-to-end
-5. Belastningstest med samtidig Gitea + agent-last
+5. ⏳ Belastningstest med samtidig Gitea + agent-last
 
 Exit-kriterium:
-- keep_alive-strategi bevist effektiv
+- ✅ keep_alive-strategi bevist effektiv
-- resident modellvalg låst
+- ⏳ resident modellvalg låst
-- optimal parameterkombinasjon dokumentert
+- ⏳ optimal parameterkombinasjon dokumentert
-- full Emma-loop latency akseptert
+- ⏳ full Emma-loop latency akseptert
-- 2-timers belastningstest bestått uten OOM og uten swap
+- ⏳ 2-timers belastningstest bestått uten OOM og uten swap
+
+---
+
+## FASE 6.1 – KALDSTART / KEEP_ALIVE BASELINE — RESULTATER 2026-07-21
+
+Kjørt på: **gitea-cpu-vm** (34.67.252.59) — ekte CPU, ingen GPU
+Merk: dev-snap ignorerer `num_gpu 0` i options-feltet — GPU brukes uansett der. Alle tester kjørt direkte på gitea-cpu-vm.
+
+### Kaldstart-målinger
+
+| Test | Modell | load_s | eval_s | tok/s | Processor | Status |
+|---|---|---|---|---|---|---|
+| 1.1 Ekte kaldstart | gemma3:4b | **117.69s** | 1.02s | 4.9 | 100% CPU | ✅ PASS |
+| 1.2 Ekte kaldstart | qwen2.5:3b | **71.13s** | 1.73s | 6.4 | 100% CPU | ✅ PASS |
+| 1.3 keep_alive=-1 load | gemma3:4b | 76.93s (kald→varm) | — | 5.9 | 100% CPU | ✅ PASS |
+
+### keep_alive=-1 verifikasjon
+
+| Test | Resultat | Status |
+|---|---|---|
+| 1.4 UNTIL=Forever | gemma3:4b: **Forever** ✅ / qwen2.5:3b: ~2 min ⚠️ (ikke satt keep_alive=-1) | ✅ PASS |
+| 1.5 Varme kall ×5 | load_s: 0.984–1.048s (ikke 0, men ikke 117s) | ✅ PASS |
+
+### RAM-tilstand etter Fase 1
+
+```
+               total        used        free      shared  buff/cache   available
+Mem:            15Gi       6.8Gi       3.8Gi       492Ki       5.3Gi       8.8Gi
+Swap:             0B          0B          0B
+
+NAME          SIZE      PROCESSOR    UNTIL
+gemma3:4b     2.9 GB    100% CPU     Forever
+qwen2.5:3b    2.2 GB    100% CPU     ~1 min (utløper)
+```
+
+**RAM med 2 modeller lastet:** 6.8 GB used / 8.8 GB available — god margin, ingen swap ✅
+
+### Konklusjoner Fase 6.1
+
+1. **Kaldstart-range bekreftet:** gemma3:4b = 117s, qwen2.5:3b = 71s (verre enn antatt 48–79s for gemma3)
+2. **`OLLAMA_KEEP_ALIVE=-1` er bevist nødvendig og effektiv** — eliminerer 117s kaldstart fra kall 2+
+3. **Varme kall koster ~1s load + ~0.9s eval = ~2s per kall** — 4–6 kall per Emma-turn = 8–12s ren LLM-tid
+4. **keep_alive=-1 må settes eksplisitt per kall per modell** — arves ikke automatisk
+5. **`num_gpu 0` i options ignoreres på dev-snap** — fremtidige CPU-tester kjøres direkte på gitea-cpu-vm
+6. **RAM-margin er god med 2 modeller:** 5.1 GB (2.9+2.2) i Ollama + 8.8 GB available — ingen OOM-risiko ved normal last
 
 ---
 
@@ -113,7 +158,7 @@ Exit-kriterium:
 - ⚠️ Konfigurasjon konsolidert — delvis (GITEA_URL må inn i repo)
 - ⏳ Ingen skjult API-/agentavhengighet som hovedbane — ikke verifisert
 - ✅ dev-snap-oppsettet dokumentert godt nok til blueprinting — FASE 5 FERDIG
-- ⏳ CPU-optimalisering verifisert på Gitea-VM — FASE 6
+- ⏳ CPU-optimalisering verifisert på Gitea-VM — FASE 6 pågår
 
 ## OPPDATERINGSLOGG
 | Dato | Fase | Handling |
@@ -121,3 +166,4 @@ Exit-kriterium:
 | 2026-07-21 | FASE 4 | Full smoke test grønn, alle 8 tools OK |
 | 2026-07-21 | FASE 5 | Blueprint frosset, FASE 5 lukket |
 | 2026-07-21 | FASE 6 | FASE 6 åpnet — CPU-optimalisering neste |
+| 2026-07-21 | FASE 6.1 | Kaldstart/keep_alive baseline fullført: gemma3:4b=117s, qwen2.5:3b=71s, varme kall ~1s, keep_alive=-1 bevist effektiv, RAM OK |