Tras desplegar FASE 18, OpenCode y OpenWebUI devolvían "Model unloaded." en cada petición. El router AI-LAB funcionaba correctamente desde curl, pero los clientes que usaban streaming fallaban.

Se identificaron 3 causas encadenadas:

El log de LM Studio mostraba:

Unloading model llama-3.1-8b-instruct due to TTL expiration.

El modelo se descargaba de VRAM tras cada respuesta. Aunque el idle timeout estaba configurado a 99999999, LM Studio tiene un TTL independiente que fuerza la descarga. Esto provocaba que la segunda petición consecutiva recibiera "Model is unloaded."

Cuando LM Studio devolvía "Model is unloaded." en una petición con stream: true, el error se incrustaba dentro del stream SSE con HTTP 200:

event: error
data: {"error": {"message": "Model unloaded."}}

El router no inspeccionaba el contenido del stream y reenviaba el error tal cual. Los clientes (OpenCode, OpenWebUI) no renderizaban la respuesta.

El router eliminaba "stream": true del payload para evitar los errores en SSE, pero devolvía la respuesta como JSON plano. OpenCode, al haber pedido streaming, esperaba chunks SSE y no renderizaba el JSON.

• Retry + fallback: si LM Studio responde 400 con "unloaded" o "invalid model identifier", reintenta automáticamente. Si el reintento falla, redirige a 192.168.1.50:1234 con llama-3.1-8b-instruct
• SSE compatible para cliente: el router devuelve chunks OpenAI/SSE válidos al cliente, pero no rompe el payload interno del backend
• No reenvía stream=true al backend: LM Studio recibe completaciones estables y el streaming se resuelve aguas arriba

• Mismo patrón: limpia stream antes de hablar con LM Studio
• Retry en "Model unloaded."
• Devuelve SSE compatible al cliente cuando se pidió streaming

• OPENAI_API_BASE_URL cambiado de http://192.168.1.50:1234 (LM Studio directo) a http://host.docker.internal:8083/v1 (AI-LAB Router)

• Modelos corregidos: ailab-router/auto, ailab-router/fast, ailab-router/coding, ailab-router/reasoning
• Añadido apiKey: ailab

# SSE streaming (5/5 OK)
for i in 1 2 3 4 5; do
  curl -s --max-time 60 -X POST http://192.168.1.30:8083/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{"model":"ailab-router/auto","stream":true,"messages":[{"role":"user","content":"hola"}],"max_tokens":20}' | grep "DONE"
done

# No-streaming (3/3 OK)
for i in 1 2 3; do
  curl -s --max-time 60 -X POST http://192.168.1.30:8083/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{"model":"ailab-router/auto","messages":[{"role":"user","content":"hola"}],"max_tokens":20}' | python3 -c "import sys,json; print(json.load(sys.stdin)['choices'][0]['message']['content'])"
done

• OpenCode: responde correctamente con streaming
• OpenWebUI: responde correctamente via router AI-LAB
• Curl: ambas rutas (SSE y JSON) estables
• 0 errores, 0 “Model unloaded.” residual

Más tarde se detectó un segundo problema operativo en la capa de interacción: algunas respuestas de resumen intentaban usar la herramienta question con questions serializado como string. Eso se documentó aparte en parche-opencode-router-gateway.md para evitar confundir un bug de herramienta con un bug de runtime.