Default to no preload for stable Space startup

Dockerfile

@@ -7,7 +7,8 @@ ENV DEBIAN_FRONTEND=noninteractive \
     HF_HOME=/data/.huggingface \
     HUGGINGFACE_HUB_CACHE=/data/.huggingface/hub \
     TRANSFORMERS_CACHE=/data/.huggingface/transformers \
-    WEB_PRELOAD_MODELS=1
+    WEB_PRELOAD_MODELS=0 \
+    ANSWER_REWRITE_ENABLED=0
 
 RUN apt-get update && apt-get install -y --no-install-recommends \
     python3 \

web/README.md

@@ -21,6 +21,8 @@ Nếu muốn preload toàn bộ model khi startup trên GPU:
 WEB_PRELOAD_MODELS=1 uvicorn web.main:app --host 0.0.0.0 --port 8000
 ```
 
+Mặc định hiện tại là `WEB_PRELOAD_MODELS=0` để Space khởi động nhẹ hơn. Chỉ bật `1` khi GPU đủ mạnh và bạn muốn preload trước.
+
 Khi chạy trên GPU, nên để `--workers 1` để tránh mỗi worker nạp một bản model riêng.
 
 ### Chạy bằng Docker
@@ -37,7 +39,7 @@ Run container trên máy có GPU:
 docker run --rm \
   --gpus all \
   -p 8000:8000 \
-  -e WEB_PRELOAD_MODELS=1 \
+  -e WEB_PRELOAD_MODELS=0 \
   -v medical-vqa-hf-cache:/hf_cache \
   medical-vqa-web
 ```
@@ -46,7 +48,7 @@ Nếu muốn chạy lại nhanh hơn, giữ volume cache `medical-vqa-hf-cache`
 
 ### Tùy chọn: rewrite output bằng Qwen
 
-Lớp rewrite hiện đã bật mặc định và sẽ tự thử load Qwen từ Hugging Face Hub khi server khởi động.
+Lớp rewrite hiện tắt mặc định để tiết kiệm bộ nhớ. Nếu muốn bật lại, đặt `ANSWER_REWRITE_ENABLED=1` và chỉ định model trên Hugging Face Hub.
 Nếu bạn muốn đổi sang model repo khác trên Hub, đặt thêm các biến môi trường sau:
 
 ```bash

web/main.py

@@ -127,7 +127,8 @@ class VQAServerState:
         self.a_models: dict[str, dict[str, Any]] = {}
         self.llava_bundle: dict[str, Any] | None = None
         self.question_suggestions: list[dict[str, Any]] = []
-        self.preload_models = os.getenv("WEB_PRELOAD_MODELS", "1" if self.device.type == "cuda" else "0") == "1"
+        # Giữ mặc định là không preload để tránh ngốn RAM/VRAM khi Space khởi động.
+        self.preload_models = os.getenv("WEB_PRELOAD_MODELS", "0") == "1"
 
     @property
     def phobert_model(self) -> str: