背景
上次部署了 Qwen3.8 Flash IQ3，后来没怎么用了，因为DeepSeek V4 Flash Vision Exp暂时满足我的需求了 
然而最近拉闸了，都换成  → V4.1 Flash了，甲太厚了 
受不了了，重操就业 本地部署了 

因为我是不对称双卡，又有usb4这种低宽带的，跑不了vllm或者sgland 
继续llama.cpp了，但是之前的输出速度我并不满意， Prefill 300-600 tps 20-30 
于是想到了，直接让GPT6 Astra看llama.cpp给出优化，给出方案后让gemini 3.8 Flash按照方案去做和测试 
模型配置
用的 Qwen 3.8 Flash Next 一个 iq2 uncensored 版本 和 unsloth q2kl 
对话的话开ub1024 prefill能破1000，但是48k上下文，20k上下文时tps...