diff --git a/xtts/llm-adapter/adapter.py b/xtts/llm-adapter/adapter.py
index 2d7c039..d9f9854 100644
--- a/xtts/llm-adapter/adapter.py
+++ b/xtts/llm-adapter/adapter.py
@@ -47,6 +47,14 @@ RVS_TOKEN = os.getenv("RVS_TOKEN", "").strip()
 LLAMA_URL = os.getenv("LLAMA_URL", "http://llama:8081").rstrip("/")
 LLM_MODEL = os.getenv("LLM_MODEL", "qwen3-8b")
 LLM_TIMEOUT_SEC = float(os.getenv("LLM_TIMEOUT_SEC", "60"))
+# Qwen3 hat Thinking-Mode default AN — dann verbraet es Tokens in einem
+# <think>-Block und liefert (bei kleinem max_tokens) leeren/abgeschnittenen
+# content, ausserdem 3x langsamer. ARIAs schnelles Tier will KEIN Grübeln
+# (grübeln = harter Turn = Claude). Wir schalten Thinking daher per
+# chat_template_kwargs ab (Qwen3-Template versteht enable_thinking=false;
+# andere Templates ignorieren das kwarg). Bei einem Modell, das darauf
+# empfindlich reagiert: LLM_DISABLE_THINKING=false setzen.
+LLM_DISABLE_THINKING = os.getenv("LLM_DISABLE_THINKING", "true").lower() == "true"
 
 
 async def _send(ws, mtype: str, payload: dict) -> None:
@@ -73,6 +81,10 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
     }
     if stop:
         body["stop"] = stop
+    if LLM_DISABLE_THINKING:
+        # llama.cpp (--jinja) reicht chat_template_kwargs an die Chat-Vorlage
+        # weiter. Qwen3 unterdrueckt damit den <think>-Block.
+        body["chat_template_kwargs"] = {"enable_thinking": False}
     try:
         async with httpx.AsyncClient(timeout=LLM_TIMEOUT_SEC) as client:
             r = await client.post(f"{LLAMA_URL}/v1/chat/completions", json=body)