这是我上篇的文章，其实我只开启了 128k的上下文，有的人说 rea 直接就 100k 上下文拉满了，其实并不会。 

为什么？其实老早 pi 就考虑这件事了，并且把自己都嫌弃的mcp引入到pi了，做到了按需搜索加载 
 [image] 
所以我一直非常推荐pi，本身精简 + 现在mcp的优化，非常适合接入本地模型，可以说是少一样效果都差点。 
总结一下： 




组件
说明




模型
Qwen3.8-Flash-Next：125B 总参 / 每 token 激活 6B 的 MoE，另有 51B N-gram embedding 表和约 4B 的 MTP 头；48 层里只有 12 层（QSA）需要 KV cache；原生 262K 上下文


量化
ISTA-DASLab GSQ-RCO GGUF：GSQ 负责每个张量怎么量化，RCO 在总大小预算下给每个张量分配量化类型


运行时
...