Moteur : corrections de relecture du MTP opt-in — le contrôle après chargement voit enfin le journal, et un second lancement ne prend plus le jeton du premier

La relecture de 3a6ad6f a trouvé quatre trous, aucun ne touche la sortie du
modèle ; tous font que le garde-fou se trompe de verdict.

- Couches en RAM : lastOffload repartait de la dernière ligne contenant
  « load_model » — or llama-server écrit « load_model: initializing… » APRÈS
  le chargement, et « loading model tensors » aussi pour le brouillon. Le
  contrôle ne trouvait jamais rien, ou ne regardait que le brouillon. Repère
  désormais la ligne « loading model '<chemin>' » du serveur, et la pire des
  lignes offloaded compte (modèle ou brouillon).
- Jeton de tentative : il était consommé (et l'échec inscrit) AVANT le test du
  port. Un second « loki serve » refusé pendant que le premier chargeait
  marquait la configuration comme ratée. Lecture d'abord (specAutoPeek), puis
  rangement une fois le port libre (specAutoSettle).
- Process web : il effaçait le jeton sans le relire sous verrou, donc parfois
  celui d'un lancement plus récent. specAttemptClear ne touche qu'au sien.
- MODEL_DRAFT vers une tête EAGLE-3 ou dFlash : Loki imposait draft-simple, que
  le moteur ne peut pas charger. La note renvoie maintenant à -md et
  --spec-type dans EXTRA_ARGS.
- Une tête MTP choisie comme MODEL_DRAFT compte comme modèle utilisé (« utilisé
  par », garde à la suppression).
- Éditeur : choisir un brouillon sur un ancien preset dont le MTP est en
  --spec-type dans EXTRA_ARGS fait passer le preset à SPEC=mtp. Sans ça, le
  brouillon était ignoré.
- Tests : un journal réel (initializing après chargement, brouillon chargé à
  part), un second lancement qui ne fait que lire, le jeton d'un autre
  lancement gardé, les têtes eagle3/dflash, et MODEL_DRAFT dans les références.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

internal/loki/backend_models_refs.go

@@ -46,10 +46,11 @@ func modelRefKey(v string) string {
 }
 
 // modelKeysOf liste les .gguf référencés par une configuration : le modèle, le
-// projecteur vision, et un --mmproj posé à la main dans EXTRA_ARGS (les presets
-// d'avant la clé MMPROJ l'écrivaient là).
+// projecteur vision, le brouillon (MODEL_DRAFT : une tête MTP effacée sous le
+// moteur coupe la spéculation sans rien dire), et un --mmproj posé à la main
+// dans EXTRA_ARGS (les presets d'avant la clé MMPROJ l'écrivaient là).
 func modelKeysOf(env map[string]string) []string {
-	vals := []string{env["MODEL"], env["MMPROJ"]}
+	vals := []string{env["MODEL"], env["MMPROJ"], env["MODEL_DRAFT"]}
 	args := splitArgs(env["EXTRA_ARGS"])
 	for i, a := range args {
 		if a == "--mmproj" && i+1 < len(args) {

internal/loki/backend_models_refs_test.go

@@ -142,6 +142,14 @@ func TestProjecteurCompteCommeReference(t *testing.T) {
 	if len(users) != 1 || users[0] != "Vision" {
 		t.Fatalf("--mmproj d'EXTRA_ARGS non compté : %v", users)
 	}
+	// La tête MTP publiée à part aussi (MODEL_DRAFT).
+	writeModel(t, modelsDir(), "mtp-Qwen3.6-27B.gguf", 4)
+	if _, err := SavePreset("", "MTP", `MODEL="m.gguf"`+"\n"+`SPEC=auto`+"\n"+`MODEL_DRAFT="mtp-Qwen3.6-27B.gguf"`+"\n"); err != nil {
+		t.Fatal(err)
+	}
+	if users, _ := modelUsers("mtp-Qwen3.6-27B.gguf"); len(users) != 1 || users[0] != "MTP" {
+		t.Fatalf("MODEL_DRAFT= non compté : %v", users)
+	}
 }
 
 // Une famille de tranches incomplète n'est pas « déjà là » : il reste à

internal/loki/backend_serve.go

@@ -354,9 +354,11 @@ func cmdServe(args []string) error {
 	if ggufHybrid(si.GGUF) || spec == "auto" {
 		si.EngineBuild = engineBuildTrusted(bin)
 	}
+	// Lu seulement ici ; rien n'est consommé avant que le port soit libre.
 	specMark := specAutoMark{FP: configFingerprint(cfg), Bin: bin, Build: si.EngineBuild}
+	specRecord := false
 	if spec == "auto" {
-		si.SpecAutoBlocked = specAutoCheck(specMark)
+		si.SpecAutoBlocked, specRecord = specAutoPeek(specMark)
 	}
 	if strings.Contains(si.Help, "--slot-save-path") && !hasAnyFlag(extra, "--slot-save-path") {
 		si.SlotDir = prepareSlotDir(LokiHome())
@@ -383,10 +385,12 @@ func cmdServe(args []string) error {
 	// lui que le moteur accélère ou non.
 	kt, vt, _ := effectiveKVTypes(cfg, extra, si.ArgEnv)
 	warnSlowKV(kt, vt)
-	// Jeton de tentative : posé au dernier moment, port libre, l'ancien moteur
-	// est donc bien parti — le process web ne peut pas le confondre avec lui.
-	if _, _, auto := specArgs(cfg, extra, si); auto {
-		specAutoAttempt(specMark)
+	// Jeton de tentative : l'ancien consommé (et l'échec inscrit), le nouveau
+	// posé, au dernier moment — port libre, l'ancien moteur est donc bien parti
+	// et le process web ne peut pas le confondre avec lui.
+	if spec == "auto" {
+		_, _, auto := specArgs(cfg, extra, si)
+		specAutoSettle(specMark, si.SpecAutoBlocked, specRecord, auto)
 	}
 
 	fmt.Fprintf(os.Stderr, "[loki serve] %s  model=%s  port=%s\n",

internal/loki/backend_serve_spec.go

@@ -80,6 +80,17 @@ func probeSpec(cfg map[string]string, si *serveSysInfo) {
 	}
 }
 
+// specSidecarArch : têtes de spéculation qui ne sont pas des modèles autonomes
+// (llama.cpp : draft-eagle3, draft-dflash/dspark). Un -md vers elles avec
+// draft-simple ne démarrerait pas : leur type se règle à la main.
+func specSidecarArch(arch string) bool {
+	switch strings.ToLower(strings.TrimSpace(arch)) {
+	case "eagle3", "dflash":
+		return true
+	}
+	return false
+}
+
 // specMode lit SPEC : "off", "auto", "mtp", ou "" si illisible.
 func specMode(cfg map[string]string) string {
 	switch v := strings.ToLower(strings.TrimSpace(cfg["SPEC"])); v {
@@ -228,6 +239,9 @@ func specArgs(cfg map[string]string, extra []string, si serveSysInfo) (args, not
 			}
 			// Type explicite : llama.cpp ne le devine que sur la première tranche.
 			args, mtp = []string{"-md", si.Draft, "--spec-type", "draft-mtp"}, true
+		case specSidecarArch(si.DraftGGUF.Arch):
+			return skip("MODEL_DRAFT est une tête " + si.DraftGGUF.Arch +
+				", pas un modèle brouillon : règle -md et --spec-type dans EXTRA_ARGS")
 		default:
 			if !strings.Contains(si.Help, "--spec-type") || !strings.Contains(si.Help, "draft-simple") {
 				return skip("ce moteur ne connaît pas --spec-type draft-simple")
@@ -359,32 +373,56 @@ func specAutoVerdict(cur specAutoMark, attempt *specAutoMark, failed map[string]
 	return "", false
 }
 
-// specAutoCheck lit l'état, tranche et range : jeton consommé, échec inscrit.
-func specAutoCheck(cur specAutoMark) string {
-	why := ""
+// specAutoPeek lit l'état sans rien changer : la raison de couper l'auto (vide
+// = permis) et s'il faudra inscrire l'échec. Rien n'est consommé avant que le
+// port soit libre (specAutoSettle) : un second « loki serve », refusé parce que
+// le premier charge encore, ne doit pas prendre le jeton de celui-ci pour un
+// échec.
+func specAutoPeek(cur specAutoMark) (why string, record bool) {
+	_ = view(bkState, func(b *bolt.Bucket) error {
+		attempt, failed := readSpecAuto(b)
+		why, record = specAutoVerdict(cur, attempt, failed)
+		return nil
+	})
+	return why, record
+}
+
+// specAutoSettle range, port libre, juste avant de lancer le moteur : l'ancien
+// jeton est consommé, l'échec inscrit s'il y a lieu (record, why), et un
+// nouveau jeton posé si ce lancement ajoute des drapeaux automatiques.
+func specAutoSettle(cur specAutoMark, why string, record, attempt bool) {
 	_ = update(bkState, func(b *bolt.Bucket) error {
-		var attempt *specAutoMark
-		if raw := b.Get([]byte(specAttemptKey)); raw != nil {
-			var a specAutoMark
-			if json.Unmarshal(raw, &a) == nil {
-				attempt = &a
+		_, failed := readSpecAuto(b)
+		_ = b.Delete([]byte(specAttemptKey))
+		if record {
+			if err := putFailed(b, failed, cur.key(), why); err != nil {
+				return err
 			}
 		}
-		failed := map[string]string{}
-		if raw := b.Get([]byte(specFailedKey)); raw != nil {
-			_ = json.Unmarshal(raw, &failed)
-		}
-		w, record := specAutoVerdict(cur, attempt, failed)
-		why = w
-		if attempt != nil {
-			_ = b.Delete([]byte(specAttemptKey))
-		}
-		if !record {
+		if !attempt {
 			return nil
 		}
-		return putFailed(b, failed, cur.key(), w)
+		raw, err := json.Marshal(cur)
+		if err != nil {
+			return err
+		}
+		return b.Put([]byte(specAttemptKey), raw)
 	})
-	return why
+}
+
+// readSpecAuto : le jeton en cours (nil = aucun) et les échecs inscrits.
+func readSpecAuto(b *bolt.Bucket) (attempt *specAutoMark, failed map[string]string) {
+	if raw := b.Get([]byte(specAttemptKey)); raw != nil {
+		var a specAutoMark
+		if json.Unmarshal(raw, &a) == nil {
+			attempt = &a
+		}
+	}
+	failed = map[string]string{}
+	if raw := b.Get([]byte(specFailedKey)); raw != nil {
+		_ = json.Unmarshal(raw, &failed)
+	}
+	return attempt, failed
 }
 
 func putFailed(b *bolt.Bucket, failed map[string]string, key, why string) error {
@@ -399,11 +437,6 @@ func putFailed(b *bolt.Bucket, failed map[string]string, key, why string) error
 	return b.Put([]byte(specFailedKey), raw)
 }
 
-// specAutoAttempt pose le jeton juste avant de lancer le moteur.
-func specAutoAttempt(cur specAutoMark) {
-	_ = putJSON(bkState, specAttemptKey, cur)
-}
-
 // --- Côté process web --------------------------------------------------------
 
 var (
@@ -431,7 +464,7 @@ func specAttemptTick() {
 		return
 	}
 	if externalActive() {
-		_ = putBytes(bkState, specAttemptKey, nil) // plus de moteur local à attendre
+		specAttemptClear(a, "") // plus de moteur local à attendre
 		return
 	}
 	if !healthCheck() {
@@ -445,27 +478,38 @@ func specAttemptTick() {
 		why = fmt.Sprintf("seulement %d/%d couches sur GPU avec le brouillon : fit a déplacé des couches en RAM", n, m)
 		fmt.Println("[loki] SPEC=auto : " + why + " — coupé au prochain démarrage (SPEC=mtp pour l'imposer)")
 	}
+	specAttemptClear(a, why)
+}
+
+// specAttemptClear efface le jeton a — et lui seul : relu sous verrou, car un
+// « loki serve » a pu entre-temps poser celui d'un AUTRE lancement, qui n'a pas
+// encore répondu. why non vide inscrit l'échec de a.
+func specAttemptClear(a specAutoMark, why string) {
 	_ = update(bkState, func(b *bolt.Bucket) error {
+		cur, failed := readSpecAuto(b)
+		if cur == nil || cur.key() != a.key() {
+			return nil
+		}
 		_ = b.Delete([]byte(specAttemptKey))
 		if why == "" {
 			return nil
 		}
-		failed := map[string]string{}
-		if raw := b.Get([]byte(specFailedKey)); raw != nil {
-			_ = json.Unmarshal(raw, &failed)
-		}
 		return putFailed(b, failed, a.key(), why)
 	})
 }
 
-// lastOffload lit « offloaded N/M layers to GPU » du DERNIER chargement du
-// journal (après la dernière ligne load_model). 0, 0 = introuvable : on ne
+// lastOffload lit les lignes « offloaded N/M layers to GPU » du DERNIER
+// chargement du journal, repéré à la ligne du serveur « loading model
+// '<chemin>' ». Pas à « load_model » (le serveur écrit encore « load_model:
+// initializing… » APRÈS le chargement) ni à « loading model tensors » (écrit
+// aussi pour le brouillon, qui masquerait le modèle). Un brouillon chargé à
+// part a sa propre ligne : la pire des deux compte. 0, 0 = introuvable : on ne
 // conclut rien.
 func lastOffload(log string) (n, m int) {
 	lines := strings.Split(log, "\n")
 	start := -1
 	for i, l := range lines {
-		if strings.Contains(l, "loading model") || strings.Contains(l, "load_model") {
+		if strings.Contains(l, "loading model '") {
 			start = i
 		}
 	}
@@ -473,9 +517,17 @@ func lastOffload(log string) (n, m int) {
 		return 0, 0
 	}
 	for _, l := range lines[start:] {
-		if s := offloadedRe.FindStringSubmatch(l); s != nil {
-			n, _ = strconv.Atoi(s[1])
-			m, _ = strconv.Atoi(s[2])
+		s := offloadedRe.FindStringSubmatch(l)
+		if s == nil {
+			continue
+		}
+		a, _ := strconv.Atoi(s[1])
+		b, _ := strconv.Atoi(s[2])
+		if m == 0 || a < b {
+			n, m = a, b
+		}
+		if a < b {
+			break
 		}
 	}
 	return n, m

internal/loki/backend_serve_spec_test.go

@@ -114,6 +114,18 @@ func TestSpecArgs(t *testing.T) {
 				s.Draft = "/models/Qwen3-0.6B.gguf"
 				s.DraftGGUF = &GGUFInfo{Arch: "qwen3", BlockCount: 28}
 			}},
+		{name: "MODEL_DRAFT tête dFlash : pas de draft-simple, réglage à la main",
+			cfg: with(forced, "MODEL_DRAFT", "dflash-Qwen3.6.gguf"), notes: 1,
+			si: func(s *serveSysInfo) {
+				s.Draft = "/models/dflash-Qwen3.6.gguf"
+				s.DraftGGUF = &GGUFInfo{Arch: "dflash", BlockCount: 5}
+			}},
+		{name: "MODEL_DRAFT tête EAGLE-3 : idem",
+			cfg: with(auto, "MODEL_DRAFT", "eagle3.gguf"), notes: 1,
+			si: func(s *serveSysInfo) {
+				s.Draft = "/models/eagle3.gguf"
+				s.DraftGGUF = &GGUFInfo{Arch: "eagle3", BlockCount: 1}
+			}},
 		{name: "MODEL_DRAFT introuvable : moteur lancé sans, pas d'erreur",
 			cfg: with(auto, "MODEL_DRAFT", "absent.gguf"), notes: 1,
 			si: func(s *serveSysInfo) { s.DraftErr = "fichier introuvable" }},
@@ -223,28 +235,62 @@ func TestSpecAutoVerdict(t *testing.T) {
 // pour cette combinaison seulement.
 func TestSpecAutoCheckStore(t *testing.T) {
 	testHome(t)
+	// Ce que fait cmdServe : lire, puis — port libre — ranger et poser le jeton.
+	launch := func(cur specAutoMark, wantAttempt bool) string {
+		why, record := specAutoPeek(cur)
+		specAutoSettle(cur, why, record, wantAttempt && why == "")
+		return why
+	}
 	cur := specAutoMark{FP: "abc", Bin: "/e/llama-server", Build: 11351}
-	if why := specAutoCheck(cur); why != "" {
+	if why := launch(cur, true); why != "" {
 		t.Fatalf("base vide : permis, got %q", why)
 	}
-	specAutoAttempt(cur)
-	if why := specAutoCheck(cur); why == "" {
+	// Second « loki serve » refusé (port pris) : il a lu, sans rien ranger. Le
+	// jeton du premier, qui charge encore, doit rester intact.
+	if why, _ := specAutoPeek(cur); why == "" {
+		t.Fatal("jeton présent : le lecteur doit le voir")
+	}
+	var a specAutoMark
+	if !getJSON(bkState, specAttemptKey, &a) || a != cur {
+		t.Fatal("specAutoPeek ne doit rien consommer")
+	}
+	if why := launch(cur, true); why == "" {
 		t.Fatal("jeton resté : l'auto doit être coupé")
 	}
-	if why := specAutoCheck(cur); why == "" {
+	if getJSON(bkState, specAttemptKey, &a) {
+		t.Error("auto coupé : aucun nouveau jeton")
+	}
+	if why := launch(cur, true); why == "" {
 		t.Error("l'échec doit rester inscrit au lancement suivant")
 	}
 	updated := cur
 	updated.Build = 11400
-	if why := specAutoCheck(updated); why != "" {
+	if why := launch(updated, true); why != "" {
 		t.Errorf("moteur mis à jour : nouvel essai permis, got %q", why)
 	}
+	// Le process web efface SON jeton ; pas celui d'un lancement plus récent.
+	specAttemptClear(cur, "")
+	if !getJSON(bkState, specAttemptKey, &a) || a != updated {
+		t.Fatal("le jeton d'un autre lancement doit rester")
+	}
+	specAttemptClear(updated, "")
+	if getJSON(bkState, specAttemptKey, &a) {
+		t.Fatal("le moteur a répondu : jeton effacé")
+	}
+	if why := launch(updated, true); why != "" {
+		t.Errorf("lancement réussi : permis, got %q", why)
+	}
+	// Répondu mais couches en RAM : échec inscrit pour cette combinaison.
+	specAttemptClear(updated, "couches en RAM")
+	if why, _ := specAutoPeek(updated); why != "couches en RAM" {
+		t.Errorf("échec après chargement : coupé, got %q", why)
+	}
 	// Un jeton d'une autre configuration est jeté sans rien conclure.
-	specAutoAttempt(specAutoMark{FP: "zzz", Bin: "/e/llama-server", Build: 11351})
-	if why := specAutoCheck(updated); why != "" {
-		t.Errorf("jeton étranger : permis, got %q", why)
+	other := specAutoMark{FP: "zzz", Bin: "/e/llama-server", Build: 11351}
+	specAutoSettle(other, "", false, true)
+	if why := launch(cur, false); why == "" {
+		t.Error("échec de cur toujours inscrit")
 	}
-	var a specAutoMark
 	if getJSON(bkState, specAttemptKey, &a) {
 		t.Error("le jeton étranger doit être consommé")
 	}
@@ -267,4 +313,22 @@ func TestLastOffload(t *testing.T) {
 	if n, m := lastOffload("srv load_model: loading model 'x'\nload_tensors: offloaded 50/65 layers to GPU"); n != 50 || m != 65 {
 		t.Errorf("chargement partiel : got %d/%d", n, m)
 	}
+	// Le journal réel de llama-server : « load_model: initializing » APRÈS le
+	// chargement, et un brouillon chargé à part qui a ses propres lignes.
+	srvLog := strings.Join([]string{
+		"srv    load_model: loading model '/models/Qwen3.6-27B.gguf'",
+		"load_tensors: loading model tensors, this can take a while... (load_mode = mmap)",
+		"load_tensors: offloaded 52/65 layers to GPU",
+		"load_tensors: loading model tensors, this can take a while... (load_mode = mmap)",
+		"load_tensors: offloaded 2/2 layers to GPU",
+		"srv    load_model: initializing, n_slots = 1, n_ctx_slot = 65536, kv_unified = 'false'",
+		"main: server is listening on http://127.0.0.1:8080",
+	}, "\n")
+	if n, m := lastOffload(srvLog); n != 52 || m != 65 {
+		t.Errorf("modèle partiel, brouillon complet : le pire compte, got %d/%d", n, m)
+	}
+	full := strings.Replace(srvLog, "52/65", "65/65", 1)
+	if n, m := lastOffload(full); n != m || m == 0 {
+		t.Errorf("tout sur GPU : got %d/%d", n, m)
+	}
 }

internal/loki/ui/index.html

@@ -6061,6 +6061,9 @@ function onPickDraft(){
   cfgWriteKey('MODEL_DRAFT', v);
   const sel = document.getElementById('s-spec');
   if(v && sel && !sel.value){ sel.value = 'auto'; onSpecType(); toast('décodage spéculatif : auto'); }
+  // Un ancien preset portait le MTP en --spec-type dans EXTRA_ARGS : sans clé
+  // SPEC, le brouillon serait ignoré au lancement. On le range dans SPEC=mtp.
+  else if(v && sel && sel.value === 'draft-mtp' && specFromKey(cfgReadKey('SPEC')) !== 'draft-mtp') onSpecType();
   syncSpecRow();
 }
 

internal/loki/ui/src/js/07-models.js

@@ -1126,6 +1126,9 @@ function onPickDraft(){
   cfgWriteKey('MODEL_DRAFT', v);
   const sel = document.getElementById('s-spec');
   if(v && sel && !sel.value){ sel.value = 'auto'; onSpecType(); toast('décodage spéculatif : auto'); }
+  // Un ancien preset portait le MTP en --spec-type dans EXTRA_ARGS : sans clé
+  // SPEC, le brouillon serait ignoré au lancement. On le range dans SPEC=mtp.
+  else if(v && sel && sel.value === 'draft-mtp' && specFromKey(cfgReadKey('SPEC')) !== 'draft-mtp') onSpecType();
   syncSpecRow();
 }