Update app.py

app.py

@@ -538,7 +538,7 @@ async def start_llama_server():
         "--model", MODEL_PATH,
         "--host", "127.0.0.1",
         "--port", str(LLAMA_PORT),
-        "--mlock",                       # 要求鎖住模型於實體記憶體，避免被 swap 拖慢速度
+        "--load-mode mlock ",                       # 要求鎖住模型於實體記憶體，避免被 swap 拖慢速度
         "--flash-attn", "on",            # flash attention，加速並省顯存/記憶體
         "--cont-batching",               # 連續批次處理，吞吐量最佳化
         "--ctx-size", "8192",
@@ -548,7 +548,7 @@ async def start_llama_server():
         "--cache-type-k", "q8_0",
         "--cache-type-v", "q8_0",
         "--parallel", "1",               # MTP 投機解碼目前僅支援 --parallel 1
-        "--spec-type", "mtp",            # 這顆 GGUF 內建 MTP 頭，開啟後可明顯加速 token 生成
+        "--spec-type", "draft-mtp",            # 這顆 GGUF 內建 MTP 頭，開啟後可明顯加速 token 生成
         "--spec-draft-n-max", "2",
     ]
     cmd += ["--n-gpu-layers", "99" if gpu else "0"]