终于把这个模型调到了满意程度：262k 上下文，开启视觉，短、中上下文文本输出约 115 tps 
相较于 ds v4 flash 的 140 tps，这个稍慢但是有视觉，上下文短，但部署在自己的硬件上，完全免费 
我的显卡是 4090D ，24GB显存，以下是配置分享： 
模型：Qwen3.8-27B-NVFP4
框架：llama.cpp
KV Cache：Q4_0
视觉：开启，F16 mmproj
推测解码：MTP n=2 + ngram-mod
Batch：1024
Ubatch：512

更多极限测试： 
254K 预填充：623.7 tps
254K 上下文时输出：30.8 tps
视觉输出：68 tps

默认思考时间确实长，但是关思考又太笨，可能是小模型的无奈之举吧，但在这个速度下，确实是相当可用的智能 
有显卡的可以试试了，免费 tokens 确实爽啊