Ajuste de latência do llama-server: cache de prompt + decodificação especulativa

Duas flags do llama-server removem a maior parte da espera de prefill: - cache de prompt: mesmo prompt de sistema, nova pergunta -> ~1.004s para 0.069s TTFT (prompt de 2.954 tokens); 3.814s -> 0.086s (prompt de 11.570 tokens). Velocidade de decodificação inalterada. - decodificação especulativa (cabeça de rascunho MTP do próprio modelo, n=2): prosa 61 -> 109 tok/s, chat 61 -> 113, código 61 -> 139, texto repetitivo 61 -> 144. Custo: 9 ms no TTFT. Ambas ativadas: uma resposta curta ao contexto de 11.5k vai de 4.25 s -> 0.30 s. Medido em: Qwen3.8-27B Q6_K, llama.cpp, uma RTX 5090, batch 1, 304 requisições, uma variável por vez.