chore(ai): LM-Code route vers glm-5.3 24h/24

- retire glm-5.2 (alias mort), kimi-k3 et qwen3.8-27b (off),
  deepseek-v4-flash (3 échecs consécutifs, à réajouter s'il revient)
- LM-Code : 500k contexte, 128k sortie, vision activée (testés)
- qwen3.8-flash-next : maxTokens 128k, rôle repli/tâches simples
- ajoute glm-ocr (vision, 65k/8k)

Annonces équipe IA LM du 07/09/2026, validées par micro-tests
sur la passerelle (aucune grosse charge de contexte).

programs/pi.nix

@@ -12,7 +12,11 @@ let
   pi = builtins.getFlake "github:lukasl-dev/pi.nix/1d37b58675b763ae6c9dc05d62321109066a4126";
 
   # Passerelle LLM interne Lundi Matin (LiteLLM), même endpoint et même jeton
-  # que la fonction zsh `lmc`. Côté serveur, LM-Code route vers glm-5.2.
+  # que la fonction zsh `lmc`. Côté serveur, LM-Code route vers glm-5.3 servi
+  # 24h/24 depuis le 07/09/2026 (fin de la rotation jour GLM / nuit Kimi).
+  # Consigne équipe IA Lundi Matin (07/09/2026) : viser 100-300k de contexte
+  # par session et limiter le nombre d'agents en période de pic — le KV cache
+  # GLM 5.3 est la ressource rare. Ne pas tester la limite à 500k.
   lmcModels = (pkgs.formats.json { }).generate "pi-models.json" {
     providers.lundimatin = {
       baseUrl = "https://llm-core.lundimatin.app";
@@ -22,88 +26,64 @@ let
       # La passerelle renvoie des blocs thinking sans signature ; sans ça pi
       # les dégrade en texte au lieu de les rejouer.
       compat.allowEmptySignature = true;
+
+      # Retirés le 07/09/2026 : glm-5.2 (redirection morte vers glm-5.3),
+      # kimi-k3 et qwen3.8-27b (off, confirmés), deepseek-v4-flash
+      # (3 échecs consécutifs, mêmes symptômes que 27b — réajouter s'il revient).
       models = [
         {
           id = "LM-Code";
-          name = "LM-Code (glm-5.2 — Lundi Matin)";
+          name = "LM-Code (glm-5.3 — Lundi Matin)";
-          # reasoning absent : la passerelle fallback sur deepseek côté serveur.
+          # Même comportement que qwen3.8-flash-next : envoyer le paramètre
+          # `thinking` supprime le bloc thinking côté passerelle (testé
+          # 07/09/2026). reasoning = false laisse pi ne pas l'envoyer : le
+          # modèle raisonne nativement et émet des blocs thinking à signature
+          # vide, gérés par compat.allowEmptySignature du provider.
           reasoning = false;
-          # Limite réelle mesurée via la passerelle LiteLLM (HTTP 400 ContextWindowExceededError).
+          # Vision validée via l'endpoint anthropic /v1/messages (07/09/2026).
-          contextWindow = 250000;
-          maxTokens = 64000;
-        }
-        {
-          id = "glm-5.2";
-          name = "GLM 5.2 — Lundi Matin";
-          # Ces alias directs ne passent pas par le shim anthropic de la
-          # passerelle : le paramètre `thinking` y déclenche un 400
-          # (json_parse_error / ChatCompletionRequest). reasoning = false le
-          # retire des requêtes ; passer par LM-Code pour du thinking explicite.
-          reasoning = false;
-          # Alias direct, sans repli : servi de jour (8h-19h30), 500k de contexte.
-          # Hors plage de service, la passerelle renvoie une erreur claire.
-          contextWindow = 500000;
-          maxTokens = 64000;
-        }
-        {
-          id = "kimi-k3";
-          name = "Kimi K3 — Lundi Matin";
-          reasoning = false;
-          # Alias direct, sans repli : servi de nuit (20h-7h30), 500k de contexte.
-          contextWindow = 500000;
-          maxTokens = 64000;
-        }
-        {
-          id = "deepseek-v4-flash";
-          name = "DeepSeek V4 Flash — Lundi Matin";
-          reasoning = true;
-          # Limite réelle mesurée via la passerelle LiteLLM (HTTP 400 ContextWindowExceededError).
-          contextWindow = 262144;
-          maxTokens = 64000;
-        }
-        {
-          id = "qwen3.8-27b";
-          name = "Qwen 3.8 27B (vision) — Lundi Matin";
-          # reasoning = false : avec thinking.enabled la passerelle/vLLM supprime
-          # le bloc thinking (testé), donc on laisse pi ne pas envoyer le
-          # paramètre thinking. qwen raisonne alors nativement et emet des
-          # blocs thinking a signature vide (deja gere par
-          # compat.allowEmptySignature du provider).
-          reasoning = false;
-          # Modele vision : accepte les images (teste via l'endpoint anthropic
-          # /v1/messages, format image.source.base64). Reserve aux analyses
-          # d'image : basculer dessus via /model pour cet usage, ou via
-          # l'extension vision-proxy pour un routage automatique.
           input = [
             "text"
             "image"
           ];
-          # Limite reelle mesuree via la passerelle LiteLLM (HTTP 400 :
+          # 500k annoncés côté Lundi Matin (07/09/2026), non re-testés pour
-          # "This model's maximum context length is 250000 tokens").
+          # ne pas charger le KV cache.
-          contextWindow = 250000;
+          contextWindow = 500000;
-          maxTokens = 64000;
+          # Annonce LM : « tous en 128k out » (07/09/2026) ; 128k testé OK.
+          # 256k est aussi accepté par la passerelle mais non retenu.
+          maxTokens = 128000;
         }
         {
           id = "qwen3.8-flash-next";
           name = "Qwen 3.8 Flash Next (vision) — Lundi Matin";
-          # Meme logique que qwen3.8-27b : thinking.enabled supprime le bloc
+          # thinking.enabled supprime le bloc thinking côté vLLM (re-testé
-          # thinking cote vLLM (teste), donc on laisse pi ne pas envoyer le
+          # 07/09/2026) : on laisse pi ne pas envoyer le paramètre thinking,
-          # parametre thinking. Le modele raisonne alors nativement et emet
+          # le modèle raisonne nativement et émet des blocs thinking à
-          # des blocs thinking a signature vide, deja geres par
+          # signature vide, gérés par compat.allowEmptySignature.
-          # compat.allowEmptySignature du provider.
           reasoning = false;
-          # Modele vision : 125B-A5B MoE multimodal (plus rapide et plus
+          # Vision re-validée 07/09/2026 (image base64 via /v1/messages).
-          # puissant que deepseek-v4-flash, qui reste 284B-A13B non multimodal).
-          # Bémol : contexte plafonne a 262k, comme deepseek-v4-flash, contre
-          # 500k pour glm-5.2 et kimi-k3.
           input = [
             "text"
             "image"
           ];
-          # Limite reelle mesuree via la passerelle LiteLLM (HTTP 400
+          # Repli serveur de LM-Code, mais 262k de contexte : pas un vrai
-          # ContextWindowExceededError a 262145 tokens).
+          # fallback. Recommandé par LM pour les tâches simples, de manière
+          # proactive, afin d'alléger GLM 5.3 (07/09/2026).
           contextWindow = 262144;
-          maxTokens = 64000;
+          maxTokens = 128000;
+        }
+        {
+          id = "glm-ocr";
+          name = "GLM OCR (vision) — Lundi Matin";
+          # Spécialisé lecture d'images / OCR : basculer dessus via /model
+          # pour cet usage, ou via l'extension vision-proxy.
+          reasoning = false;
+          input = [
+            "text"
+            "image"
+          ];
+          # Vision et 8k out testés 07/09/2026 ; limites annoncées côté LM.
+          contextWindow = 65536;
+          maxTokens = 8192;
         }
       ];
     };