> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/sprachmodelle/text-generation-webui.md).

# Text Generation WebUI

Führe text-generation-webui für LLM-Inferenz auf Clore.ai-GPUs aus

Betreibe die beliebteste LLM-Oberfläche mit Unterstützung für alle Modellformate.

{% hint style="success" %}
Alle Beispiele können auf GPU-Servern ausgeführt werden, die gemietet wurden über [CLORE.AI-Marktplatz](https://clore.ai/marketplace).
{% endhint %}

## Mieten auf CLORE.AI

1. Besuchen [CLORE.AI-Marktplatz](https://clore.ai/marketplace)
2. Filtern nach GPU-Typ, VRAM und Preis
3. Wähle **On-Demand** (Festpreis) oder **Spot** (Gebotspreis)
4. Konfiguriere deine Bestellung:
   * Docker-Image auswählen
   * Ports festlegen (TCP für SSH, HTTP für Web-UIs)
   * Bei Bedarf Umgebungsvariablen hinzufügen
   * Startbefehl eingeben
5. Zahlung auswählen: **CLORE**, **BTC**, oder **USDT/USDC**
6. Bestellung erstellen und auf die Bereitstellung warten

### Greife auf deinen Server zu

* Verbindungsdetails finden in **Meine Bestellungen**
* Web-Oberflächen: Verwende die HTTP-Port-URL
* SSH: `ssh -p <port> root@<proxy-address>`

## Warum Text Generation WebUI?

* Unterstützt GGUF-, GPTQ-, AWQ-, EXL2- und HF-Formate
* Integrierte Chat-, Notebook- und API-Modi
* Erweiterungen: Sprache, Charaktere, multimodal
* Unterstützung für Feinabstimmung
* Modellwechsel im laufenden Betrieb

## Anforderungen

| Modellgröße | Min. VRAM | Empfohlen |
| ----------- | --------- | --------- |
| 7B (Q4)     | 6 GB      | RTX 3060  |
| 13B (Q4)    | 10 GB     | RTX 3080  |
| 30B (Q4)    | 20 GB     | RTX 4090  |
| 70B (Q4)    | 40 GB     | A100      |

## Schnell bereitstellen

**Docker-Image:**

```
atinoda/text-generation-webui:default-nvidia
```

**Ports:**

```
22/tcp
7860/http
5000/http
5005/http
```

**Umgebung:**

```
EXTRA_LAUNCH_ARGS=--listen --api
```

## Manuelle Installation

**Image:**

```
nvidia/cuda:12.8.1-devel-ubuntu22.04
```

**Ports:**

```
22/tcp
7860/http
5000/http
```

**Befehl:**

```bash
apt-get update && apt-get install -y git python3 python3-pip && \
cd /workspace && \
git clone https://github.com/oobabooga/text-generation-webui.git && \
cd text-generation-webui && \
pip install -r requirements.txt && \
python server.py --listen --api
```

## Auf deinen Dienst zugreifen

Nach der Bereitstellung findest du deine `http_pub` URL in **Meine Bestellungen**:

1. Gehe zu **Meine Bestellungen** Seite
2. Klicke auf deine Bestellung
3. Finde die `http_pub` URL (z. B. `abc123.clorecloud.net`)

Verwende `https://YOUR_HTTP_PUB_URL` anstelle von `localhost` in den folgenden Beispielen.

## WebUI aufrufen

1. Auf die Bereitstellung warten
2. Finde die Port-7860-Zuordnung in **Meine Bestellungen**
3. Öffnen: `http://<proxy>:<port>`

## Modelle herunterladen

### Von HuggingFace (in WebUI)

1. Gehe zu **Modell** Tab
2. Modellnamen eingeben: `bartowski/Meta-Llama-3.1-8B-Instruct-GGUF`
3. Klicken Sie auf **Herunterladen**

### Über die Befehlszeile

```bash
cd /workspace/text-generation-webui

# GGUF-Modell herunterladen
python download-model.py bartowski/Meta-Llama-3.1-8B-Instruct-GGUF

# Spezifische Datei herunterladen
python download-model.py bartowski/Meta-Llama-3.1-8B-Instruct-GGUF --specific-file Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf
```

### Empfohlene Modelle

**Für den Chat:**

```bash

# Llama 2 Chat (7B, schnell)
python download-model.py bartowski/Meta-Llama-3.1-8B-Instruct-GGUF

# Mistral Instruct (hervorragend)
python download-model.py bartowski/Mistral-7B-Instruct-v0.3-GGUF

# OpenHermes (großartiger Allrounder)
python download-model.py bartowski/OpenHermes-2.5-Mistral-7B-GGUF
```

**Für das Coding:**

```bash

# CodeLlama
python download-model.py bartowski/CodeLlama-13B-Instruct-GGUF

# DeepSeek Coder
python download-model.py bartowski/DeepSeek-Coder-V2-Lite-Instruct-GGUF
```

**Für Rollenspiel:**

```bash

# MythoMax
python download-model.py bartowski/MythoMax-L2-13B-GGUF
```

## Modelle laden

### GGUF (empfohlen für die meisten Nutzer)

1. **Modell** Tab → Modellordner auswählen
2. **Modelllader:** llama.cpp
3. Setze **n-gpu-layers:**
   * RTX 3090: 35-40
   * RTX 4090: 45-50
   * A100: 80+
4. Klicken Sie auf **Laden**

### GPTQ (schnell, quantisiert)

1. GPTQ-Modell herunterladen
2. **Modelllader:** ExLlama\_HF oder AutoGPTQ
3. Modell laden

### EXL2 (beste Geschwindigkeit)

```bash

# exllamav2 installieren
pip install exllamav2
```

1. EXL2-Modell herunterladen
2. **Modelllader:** ExLlamav2\_HF
3. Laden

## Chat-Konfiguration

### Charaktereinrichtung

1. Gehe zu **Parameter** → **Charakter**
2. Charakterkarte erstellen oder laden
3. Festlegen:
   * Name
   * Kontext/Persona
   * Beispieldialog

### Instruktionsmodus

Für instruktionsoptimierte Modelle:

1. **Parameter** → **Instruktionsvorlage**
2. Wähle die zu deinem Modell passende Vorlage aus:
   * Llama-2-chat
   * Mistral
   * ChatML
   * Alpaca

## API-Nutzung

### API aktivieren

Beginne mit `--api` Flag (Standardport 5000)

### OpenAI-kompatible API

```python
import openai

openai.api_base = "http://localhost:5000/v1"
openai.api_key = "not-needed"

response = openai.ChatCompletion.create(
    model="any",
    messages=[{"role": "user", "content": "Hello!"}]
)
print(response.choices[0].message.content)
```

### Native API

```python
import requests

response = requests.post(
    "http://localhost:5000/api/v1/generate",
    json={
        "prompt": "Schreibe eine Geschichte über",
        "max_new_tokens": 200,
        "temperature": 0.7
    }
)
print(response.json()["results"][0]["text"]))
```

## Erweiterungen

### Erweiterungen installieren

```bash
cd /workspace/text-generation-webui/extensions

# Silero TTS (Sprache)
git clone https://github.com/oobabooga/text-generation-webui-extensions

# SuperBoogav2 (RAG/Langzeitgedächtnis)

# Bereits enthalten, in der UI aktivieren
```

### Erweiterungen aktivieren

1. **Sitzung** Tab → **Erweiterungen**
2. Checkboxen für die gewünschten Erweiterungen aktivieren
3. Klicken Sie auf **Anwenden und neu starten**

### Beliebte Erweiterungen

| Erweiterung       | Zweck                            |
| ----------------- | -------------------------------- |
| silero\_tts       | Sprachausgabe                    |
| whisper\_stt      | Spracheingabe                    |
| superbooga        | Dokumenten-Fragen und -Antworten |
| sd\_api\_pictures | Bildgenerierung                  |
| multimodal        | Bildverständnis                  |

## Leistungsoptimierung

### GGUF-Einstellungen

```
n_gpu_layers: 35    # GPU-Layer (mehr = schneller)
n_ctx: 4096         # Kontextlänge
n_batch: 512        # Batch-Größe
threads: 8          # CPU-Threads
```

### Speicheroptimierung

Bei begrenztem VRAM:

```bash
python server.py --listen --n-gpu-layers 20 --no-mmap
```

### Geschwindigkeitsoptimierung

```bash

# llama.cpp mit cuBLAS verwenden
python server.py --listen --loader llama.cpp --n-gpu-layers 50 --threads 8
```

## Feinabstimmung (LoRA)

### Trainings-Tab

1. Gehe zu **Training** Tab
2. Basismodell laden
3. Datensatz hochladen (JSON-Format)
4. Konfigurieren:
   * LoRA-Rang: 8-32
   * Lernrate: 1e-4
   * Epochen: 3-5
5. Training starten

### Datensatzformat

```json
[
  {"instruction": "Fasse dies zusammen:", "input": "Langer Text...", "output": "Zusammenfassung..."},
  {"instruction": "Übersetze ins Französische:", "input": "Hallo", "output": "Bonjour"}
]
```

## Deine Arbeit speichern

```bash

# Modelle speichern
rsync -avz /workspace/text-generation-webui/models/ backup-server:/models/

# Charaktere speichern
rsync -avz /workspace/text-generation-webui/characters/ backup-server:/characters/

# LoRAs speichern
rsync -avz /workspace/text-generation-webui/loras/ backup-server:/loras/
```

## Fehlerbehebung

### Modell wird nicht geladen

* VRAM-Nutzung prüfen: `nvidia-smi`
* Reduziere `n_gpu_layers`
* Kleinere Quantisierung verwenden (Q4\_K\_M → Q4\_K\_S)

### Langsame Generierung

* Erhöhen Sie `n_gpu_layers`
* EXL2 statt GGUF verwenden
* Aktiviere `--no-mmap`

{% hint style="danger" %}
**Speicher voll**
{% endhint %}

während der Generierung - \`n\_ctx\` verringern (Kontextlänge) - \`--n-gpu-layers 0\` für reine CPU-Nutzung verwenden - Kleineres Modell ausprobieren

## Kostenschätzung

Übliche CLORE.AI-Marktplatzpreise (Stand 2024):

| GPU       | Stundensatz | Tagessatz | 4-Stunden-Sitzung |
| --------- | ----------- | --------- | ----------------- |
| RTX 3060  | \~$0.03     | \~$0.70   | \~$0.12           |
| RTX 3090  | \~$0.06     | \~$1.50   | \~$0.25           |
| RTX 4090  | \~$0.10     | \~$2.30   | \~$0.40           |
| A100 40GB | \~$0.17     | \~$4.00   | \~$0.70           |
| A100 80GB | \~$0.25     | \~$6.00   | \~$1.00           |

*Die Preise variieren je nach Anbieter und Nachfrage. Prüfen Sie* [*CLORE.AI-Marktplatz*](https://clore.ai/marketplace) *für aktuelle Preise.*

**Geld sparen:**

* Nutzen Sie den **Spot** Markt für unterbrechbare Arbeit — etwa ein Drittel der Server bietet Spot-Preise unter dem On-Demand-Preis (Median ca. 13 % Rabatt), der Rest ist gleichauf
* Bezahlen Sie mit **CLORE** Tokens
* Vergleichen Sie Preise zwischen verschiedenen Anbietern


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/sprachmodelle/text-generation-webui.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.