之前有做过各种功课，27B 这个模型主要卡的速度是内存带宽。从其他人的分享发现，M3 Ultra 512G 内存的速度也只有 30 token 每秒，但是我发现 M1 Ultra 的内存带宽也是 800G。于是让 Codex 进行多轮调试，从 Llama.cpp 转到 oMLX，最终发现速度+MTP可以跑在 30+，但这里有个问题：一旦开了 MTP，会发现某些工具调用经常出错，或有无限循环的问题。于是把 MTP 尽可能降低或关闭，这样可以保证支撑。然后做了一个简单的「鹈鹕骑行动画」，好坏大家评论吧。 
### 🛠 本地环境与配置

**模型**: Qwen3.8-27B（推理级别 high）

**模型服务**: omlx 本地 LLM 端点 http://127.0.0.1:8000/v1（OpenAI 兼容 API）

**编码代理**: pi coding agent v0.84.2...