fix(notebook,#18144): LocalLlama c.14 OpenAI vs OpenRouter -- alignement verite sortie (B.0 ai-01 sur #18157)

MyIA.AI.Notebooks/GenAI/Texte/10_LocalLlama.ipynb

@@ -1107,7 +1107,7 @@
     "tags": []
    },
    "source": [
-    "### Analyse de la reponse /models\n\nL'appel a l'endpoint `/models` permet d'**inspecter les modèles disponibles** sur chaque serveur. La latence de cet aller-retour est mesurée **en direct par la cellule 12** (`requests.get` + `time.time`) — re-exécutez-la pour la valeur courante (elle dépend du réseau et de la charge OpenRouter).\n\n**Résultats observes sur l'exécution committee** (2 endpoints configures) :\n\n| Endpoint | Modèles | Observation |\n|----------|---------|-------------|\n| **cloud-gpt5.2** (gpt-5.2 via OpenRouter) | 132 modèles | Catalogue OpenRouter complet, modèle configure `gpt-5.2` trouve |\n| **openweight-llama4** (llama-4-maverick via OpenRouter) | 132 modèles | Même catalogue, modèle configure `meta-llama/llama-4-maverick` trouve |\n\n> Sur un **deploiement local complet** (vLLM/Ollama distincts par modèle), la\n> ligne `local-mini` (ZwZ-8B, 1 modèle) et `local-medium` (Qwen3.5 MoE\n> 35B, TP=2) s'ajouteraient -- un serveur vLLM ne servant qu'un seul\n> modèle, contre le catalogue de 132 modèles d'OpenRouter.\n\n**Points pedagogiques** :\n\n1. **OpenRouter vs vLLM** : OpenRouter expose tout son catalogue (132 modèles), tandis que vLLM ne sert que le modèle charge. Le code tronque l'affichage a 5 modèles et verifie que le modèle configure est present.\n2. **Latence catalogue** : L'endpoint `/models` d'OpenRouter implique un aller-retour Internet + lecture du catalogue de 132 modèles ; un serveur vLLM local, sur reseau local avec un seul modèle, repond plus vite (mesurable par la même cellule 12 pointée vers un endpoint local).\n3. **Nom du modèle** : Le `served-model-name` vLLM (`zwz-8b`, `qwen3.5-35b-a3b`) doit correspondre exactement a `OPENAI_CHAT_MODEL_ID` dans `.env`.\n"
+    "### Analyse de la reponse /models\n\nL'appel a l'endpoint `/models` permet d'**inspecter les modèles disponibles** sur chaque serveur. La latence de cet aller-retour est mesurée **en direct par la cellule 12** (`requests.get` + `time.time`) — re-exécutez-la pour la valeur courante (elle dépend du réseau et de la charge du fournisseur cloud).\n\n**Résultats observes sur l'exécution committee** (2 endpoints configures, 1 seul execute sur `/models`) :\n\n| Endpoint | Modèles | Observation |\n|----------|---------|-------------|\n| **OpenAI** (`api.openai.com/v1`, `OPENAI_BASE_URL`) | 132 modèles | Catalogue OpenAI complet, 3 affiches dans la sortie : `text-embedding-ada-002`, `whisper-1`, `gpt-3.5-turbo` -- tous `owned_by: openai` |\n| **openweight-llama4** (llama-4-maverick via OpenRouter) | non exécuté | Endpoint configure mais non appele dans ce run (le code skip si la cle API manque ou si l'endpoint ne repond pas dans le timeout) |\n\n> Sur un **deploiement local complet** (vLLM/Ollama distincts par modèle), les\n> lignes `local-mini` (ZwZ-8B, 1 modèle) et `local-medium` (Qwen3.5 MoE\n> 35B, TP=2) s'ajouteraient -- un serveur vLLM ne servant qu'un seul\n> modèle, contre le catalogue de 132 modèles du fournisseur cloud (OpenAI\n> dans cette exécution).\n\n**Points pedagogiques** :\n\n1. **Fournisseur cloud vs vLLM local** : le fournisseur cloud expose tout son catalogue (132 modeles pour OpenAI au moment de l'execution), tandis qu'un serveur vLLM ne sert que le modele charge. Le code tronque l'affichage a 5 modeles et verifie que le modele configure est present.\n2. **Latence catalogue** : l'endpoint `/models` du fournisseur cloud implique un aller-retour Internet + lecture du catalogue de 132 modeles ; un serveur vLLM local, sur reseau local avec un seul modele, repond plus vite (mesurable par la meme cellule 12 pointée vers un endpoint local).\n3. **Nom du modèle** : le `served-model-name` vLLM (`zwz-8b`, `qwen3.5-35b-a3b`) doit correspondre exactement a `OPENAI_CHAT_MODEL_ID` dans `.env`.\n"
    ]
   },
   {