add qwen3-vl, fix librechat taking over settings and clean up llama config

apps/librechat/release.yaml

@@ -57,7 +57,9 @@ spec:
                   "Qwen3-4B-Thinking-2507-long-ctx",
                   "Qwen2.5-VL-7B-Instruct-GGUF",
                   "Qwen2.5-VL-32B-Instruct-GGUF-IQ1_S",
-                  "Qwen2.5-VL-32B-Instruct-GGUF-Q2_K_L"
+                  "Qwen2.5-VL-32B-Instruct-GGUF-Q2_K_L",
+                  "Qwen3-VL-4B-Instruct-GGUF",
+                  "Qwen3-VL-4B-Instruct-GGUF-unslothish"
                 ]
               titleConvo: true
               titleModel: "gemma3-4b-novision"
@@ -65,6 +67,16 @@ spec:
               summaryModel: "gemma3-4b-novision"
               forcePrompt: false
               modelDisplayLabel: "Llama.cpp"
+
+              # ✨ IMPORTANT: let llama-swap/llama-server own all these
+              dropParams:
+                - "temperature"
+                - "top_p"
+                - "top_k"
+                - "presence_penalty"
+                - "frequency_penalty"
+                - "stop"
+                - "max_tokens"
       imageVolume:
         enabled: true
         size: 10G

apps/llama/configs/config.yaml

@@ -6,26 +6,33 @@ models:
     cmd: |
       /app/llama-server
         -hf unsloth/DeepSeek-R1-0528-Qwen3-8B-GGUF:Q4_K_M
-      -ngl 37 -c 16384
+        --n-gpu-layers 37
+        --ctx-size 16384
         --no-warmup
         --port ${PORT}
+
   "Qwen3-8B-GGUF":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-8B-GGUF:Q4_K_M
-      -ngl 37 -c 16384
+        --n-gpu-layers 37
+        --ctx-size 16384
         --no-warmup
         --port ${PORT}
+
   "Qwen3-8B-GGUF-no-thinking":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-8B-GGUF:Q4_K_M
-      -ngl 37 -c 16384
+        --n-gpu-layers 37
-      --jinja --chat-template-file /config/qwen_nothink_chat_template.jinja
+        --ctx-size 16384
+        --jinja
+        --chat-template-file /config/qwen_nothink_chat_template.jinja
         --no-warmup
         --port ${PORT}
+
   "gemma3n-e4b":
     ttl: 600
     cmd: |
@@ -42,6 +49,7 @@ models:
         --top-p 0.95
         --no-warmup
         --port ${PORT}
+
   "gemma3-12b":
     ttl: 600
     cmd: |
@@ -57,6 +65,7 @@ models:
         --top-p 0.95
         --no-warmup
         --port ${PORT}
+
   "gemma3-12b-novision":
     ttl: 600
     cmd: |
@@ -73,6 +82,7 @@ models:
         --no-mmproj
         --no-warmup
         --port ${PORT}
+
   "gemma3-12b-q2":
     ttl: 600
     cmd: |
@@ -88,6 +98,7 @@ models:
         --top-p 0.95
         --no-warmup
         --port ${PORT}
+
   "gemma3-4b":
     ttl: 600
     cmd: |
@@ -103,6 +114,7 @@ models:
         --top-p 0.95
         --no-warmup
         --port ${PORT}
+
   "gemma3-4b-novision":
     ttl: 600
     cmd: |
@@ -119,12 +131,15 @@ models:
         --no-mmproj
         --no-warmup
         --port ${PORT}
+
   "Qwen3-4B-Thinking-2507":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-4B-Thinking-2507-GGUF:Q4_K_M
-      -ngl 99 -c 16384 --predict 8192
+        --n-gpu-layers 99
+        --ctx-size 16384
+        --predict 8192
         --temp 0.6
         --min-p 0.00
         --top-p 0.95
@@ -132,27 +147,34 @@ models:
         --repeat-penalty 1.0
         --no-warmup
         --port ${PORT}
+
   "Qwen3-4B-Thinking-2507-long-ctx":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-4B-Thinking-2507-GGUF:Q4_K_M
-      -ngl 99 -c 262144 --predict 81920
+        --n-gpu-layers 99
+        --ctx-size 262144
+        --predict 81920
         --temp 0.6
         --min-p 0.00
         --top-p 0.95
         --top-k 20
         --repeat-penalty 1.0
         --no-warmup
-      --flash-attn
+        --flash-attn auto
-      --cache-type-k q8_0 --cache-type-v q8_0
+        --cache-type-k q8_0
+        --cache-type-v q8_0
         --port ${PORT}
+
   "Qwen3-4B-Instruct-2507":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-4B-Instruct-2507-GGUF:Q4_K_M
-      -ngl 99 -c 16384 --predict 8192
+        --n-gpu-layers 99
+        --ctx-size 16384
+        --predict 8192
         --temp 0.7
         --min-p 0.00
         --top-p 0.8
@@ -160,27 +182,34 @@ models:
         --repeat-penalty 1.0
         --no-warmup
         --port ${PORT}
+
   "Qwen3-4B-Instruct-2507-long-ctx":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen3-4B-Instruct-2507-GGUF:Q4_K_M
-      -ngl 99 -c 262144 --predict 81920
+        --n-gpu-layers 99
+        --ctx-size 262144
+        --predict 81920
         --temp 0.7
         --min-p 0.00
         --top-p 0.8
         --top-k 20
         --repeat-penalty 1.0
         --no-warmup
-      --flash-attn
+        --flash-attn auto
-      --cache-type-k q8_0 --cache-type-v q8_0
+        --cache-type-k q8_0
+        --cache-type-v q8_0
         --port ${PORT}
+
   "Qwen2.5-VL-32B-Instruct-GGUF-IQ1_S":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen2.5-VL-32B-Instruct-GGUF:IQ1_S
-      -ngl 99 -c 16384 --predict 8192
+        --n-gpu-layers 99
+        --ctx-size 16384
+        --predict 8192
         --temp 0.7
         --min-p 0.00
         --top-p 0.8
@@ -188,12 +217,15 @@ models:
         --repeat-penalty 1.0
         --no-warmup
         --port ${PORT}
+
   "Qwen2.5-VL-32B-Instruct-GGUF-Q2_K_L":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen2.5-VL-32B-Instruct-GGUF:Q2_K_L
-      -ngl 99 -c 16384 --predict 8192
+        --n-gpu-layers 99
+        --ctx-size 16384
+        --predict 8192
         --temp 0.7
         --min-p 0.00
         --top-p 0.8
@@ -201,12 +233,15 @@ models:
         --repeat-penalty 1.0
         --no-warmup
         --port ${PORT}
+
   "Qwen2.5-VL-7B-Instruct-GGUF":
     ttl: 600
     cmd: |
       /app/llama-server
         -hf unsloth/Qwen2.5-VL-7B-Instruct-GGUF:Q4_K_M
-      -ngl 37 -c 16384 --predict 8192
+        --n-gpu-layers 37
+        --ctx-size 16384
+        --predict 8192
         --temp 0.7
         --min-p 0.00
         --top-p 0.8
@@ -214,3 +249,40 @@ models:
         --repeat-penalty 1.0
         --no-warmup
         --port ${PORT}
+
+  "Qwen3-VL-4B-Instruct-GGUF":
+    ttl: 600
+    cmd: |
+      /app/llama-server
+        -hf unsloth/Qwen3-VL-4B-Instruct-GGUF:Q4_K_M
+        --n-gpu-layers 99
+        --ctx-size 12288
+        --predict 4096
+        --flash-attn auto
+        --jinja
+        --top-p 0.95
+        --top-k 20
+        --temp 1.0
+        --min-p 0.05
+        --repeat-penalty 1.0
+        --presence-penalty 0.0
+        --no-warmup
+        --port ${PORT}
+
+  "Qwen3-VL-4B-Instruct-GGUF-unslothish":
+    ttl: 600
+    cmd: |
+      /app/llama-server
+        -hf unsloth/Qwen3-VL-4B-Instruct-GGUF:Q4_K_M
+        --n-gpu-layers 99
+        --ctx-size 12288
+        --predict 4096
+        --flash-attn auto
+        --jinja
+        --top-p 0.8
+        --top-k 20
+        --temp 0.7
+        --min-p 0.0
+        --presence-penalty 0.7
+        --no-warmup
+        --port ${PORT}