> ## Documentation Index
> Fetch the complete documentation index at: https://docs.zylon.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Solución de Problemas

> Diagnostica y resuelve problemas con presets de IA y configuraciones personalizadas

## Problemas Comunes

### El Motor Falla al Iniciar con Error de Memoria

**Soluciones:**

1. **Verifica tu memoria GPU real**
   ```bash theme={null}
   nvidia-smi
   ```

2. **Prueba el siguiente preset inferior**
   ```yaml theme={null}
   # Si estás usando baseline-32g, prueba baseline-48g en su lugar
   ai:
     preset: "baseline-48g"
   ```

3. **Elimina capacidades opcionales para reducir el uso de memoria**
   ```yaml theme={null}
   # Elimina capacidades
   ai:
     preset: "baseline-48g"  # En lugar de "baseline-48g,capabilities.multilingual"
   ```

4. **Verifica otras aplicaciones usando memoria GPU**

5. **Reinicia la máquina**

### Rendimiento Pobre o Respuestas Lentas

**Soluciones:**

1. **Asegúrate de estar usando el preset correcto para tu hardware**

2. **Considera disminuir a un preset de nivel inferior**

3. **Comunícate con los ingenieros de Zylon para entender qué está pasando**

### Pod en Estado Fallido o CrashLoopBackOff

Si los pods de Triton o inferencia están atascados en un estado fallido:

```bash theme={null}
# Reinicia el despliegue
kubectl rollout restart deploy/zylon-triton -n zylon
```

Esto fuerza a Kubernetes a recrear los pods con un estado fresco.

***

## Problemas Avanzados

Problemas específicos de configuraciones de modelos personalizados y configuraciones multi-modelo.

### Fallos de Inicio

#### El Servidor de Inferencia Triton Falla al Iniciar

**Soluciones:**

1. **Verifica los logs de Triton para identificar qué modelo específico está causando el fallo**
   ```bash theme={null}
   kubectl logs deploy/zylon-triton -n zylon --tail=200
   ```

2. **Verifica la asignación de memoria para el modelo problemático** - ajusta `gpuMemoryUtilization` si es necesario

3. **Si has reducido demasiado la asignación de memoria, reduce el parámetro `contextWindow` para ese modelo**

4. **Usa `nvidia-smi` para verificar el uso y disponibilidad real de memoria GPU**
   ```bash theme={null}
   nvidia-smi
   ```

#### Versión de Modelo No Soportada

**Síntoma**: Triton falla al cargar un modelo aunque la familia del modelo esté soportada.

**Causa**: VLLM (el backend de inferencia) puede no soportar la versión específica de tu modelo aún. Por ejemplo:

* Mistral Small 3 (2501) está soportado
* Mistral Small 3 (2509) podría no estar soportado aún

**Soluciones:**

1. **Verifica la versión del modelo soportada** en la documentación

2. **Prueba una versión anterior** de la misma familia de modelo si está disponible

3. **Verifica las notas de lanzamiento de Zylon** para versiones de modelos soportadas

4. **Contacta a los ingenieros de Zylon** para confirmar la compatibilidad del modelo

### Errores de Memoria

#### El Motor Falla al Iniciar con Error "Out of Memory"

**Soluciones:**

1. **Verifica que el total de `gpuMemoryUtilization` no exceda 0.95**
   ```yaml theme={null}
   # Calcula el total en todos los modelos
   ai:
     config:
       models:
         - id: llm
           gpuMemoryUtilization: 0.60
         - id: llmvision
           gpuMemoryUtilization: 0.25
         - id: embed
           gpuMemoryUtilization: 0.10
   # Total: 0.95 ✓
   ```

2. **Reduce la asignación para uno o más modelos basado en los logs de fallo**
   ```bash theme={null}
   kubectl logs deploy/zylon-triton -n zylon
   ```

3. **Verifica la memoria GPU real con `nvidia-smi`** durante el inicio
   ```bash theme={null}
   watch -n 1 nvidia-smi
   ```