feat: один прод-compose со всеми моделями из готовых образов

deploy/llm/Dockerfile

@@ -0,0 +1,37 @@
+# llama-server с весами Qwen3 и Vikhr — один образ на оба сервиса LLM.
+#
+# GGML_BACKEND_DL + GGML_CPU_ALL_VARIANTS: CPU-бэкенд собран в нескольких
+# вариантах (от SSE4.2 до AVX512/AMX), нужный выбирается при запуске. Поэтому
+# образ не падает SIGILL на CPU без AVX (стенд на QEMU) и не теряет скорость
+# на AVX2/AVX512. Веса приходят именованным контекстом models=backend/models
+# (docker-bake.hcl, docker-compose.yml), внутри сборки ничего не скачивается.
+FROM ubuntu:24.04 AS build
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    build-essential cmake git ca-certificates \
+    && rm -rf /var/lib/apt/lists/*
+# Тот же билд, что командный бинарник models/bin/llama-b10934
+ARG LLAMA_TAG=b10934
+RUN git clone --depth 1 --branch ${LLAMA_TAG} https://github.com/ggml-org/llama.cpp /src
+RUN cmake -S /src -B /build \
+      -DCMAKE_BUILD_TYPE=Release \
+      -DBUILD_SHARED_LIBS=ON \
+      -DGGML_NATIVE=OFF \
+      -DGGML_BACKEND_DL=ON \
+      -DGGML_CPU_ALL_VARIANTS=ON \
+      -DLLAMA_CURL=OFF \
+      -DLLAMA_BUILD_TESTS=OFF -DLLAMA_BUILD_EXAMPLES=OFF \
+    && cmake --build /build --target llama-server -j "$(nproc)" \
+    && mkdir -p /out \
+    && cp /build/bin/llama-server /out/ \
+    && find /build -name '*.so*' -exec cp -P {} /out/ \;
+
+FROM ubuntu:24.04
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    libgomp1 curl ca-certificates && rm -rf /var/lib/apt/lists/*
+# llama-server ищет libggml-cpu-*.so рядом с собой — всё в одном каталоге.
+COPY --from=build /out/ /opt/llama/
+ENV LD_LIBRARY_PATH=/opt/llama
+COPY --from=models qwen3-1.7b/Qwen3-1.7B-Q8_0.gguf /models/qwen3-1.7b/
+COPY --from=models vikhr-1b/Vikhr-Llama-3.2-1B-Q4_K_M.gguf /models/vikhr-1b/
+COPY --from=licenses . /licenses
+ENTRYPOINT ["/opt/llama/llama-server"]