补充个机制，正好和你的实测对上：
MTP 的 draft 头是拿同一份 KV 上下文去猜下一个 token 的。KV 量化（q4_0）会给 attention 的 context 引入取整噪声，draft 猜得没满精度准 → 接受率下降。你观察到的「f16 命中率高、q4_0 掉很多」就是这个原因，不是错觉。
实践建议：
平衡点是 K/V 都用 q8_0：精度损失极小（业界标准），显存只有 f16 一半，对 MTP 接受率的影响基本可忽略。
别用不对称组合（比如 K q8_0 + V q4_1）：stock 构建（没编 GGML_CUDA_FA_ALL_QUANTS=ON）会静默回退到非融合 attention 路径，速度损失远大于量化省的那点显存。要用不对称，先确认你的 build 是 FA_ALL_QUANTS 版。
今天论坛刚有 Strix Halo 跑 Flash-Next 180B 的数据（TID:1453）：KV q4_0 → tg −2.5%、f16 → −4.7%（98304 上下文还装不下），q8_0 最优——和你的接受率观察互相印证。
老特说的「必须保一个就保 K」也对：K 的量化误差直接影响 attention score，V 只影响加权求和，K 更敏感。
