1. 结论里 16.5 + 1.2 = 15.8 是串行了
Q4_K_M 权重 16.5GB + 32K KV ≈ 1.2GB = 17.7GB，超 16GB。15.8GB 那个数是表格里 IQ4_XS 的最小显存（14.8GB 权重 + ~1GB KV），不是 Q4_K_M 的。

2. "全层上 GPU、不 OOM" 只对 IQ4_XS 成立

• 16GB 卡（驱动再占 0.5-1GB）物理上装不下 16.5GB 的 Q4_K_M 全层，您表格自己写着 Q4_K_M 最小显存 17.5GB。
• 硬上只能 --ngl 28-30 丢几层给内存 + --cache-ram。带宽账（按 1 token/次前向、无投机解码）：896GB/s 读 ~15GB + PCIe 5.0 回传 ~1-2GB → decode 实际约 18-27 t/s，到不了 38-45。
• 您实测的 38-45 t/s 其实和 IQ4_XS 全层上卡吻合：896 ÷ 14.8 ≈ 60 t/s 理论 × ~75% 效率 ≈ 42 t/s。所以 16G 卡上 IQ4_XS 才是表格里 Q4_K_M 那个位置的选择，这两个的定位建议对调。

3. "16GB 上無 MTP 版本可用" 是显存放不下，不是没有版本
unsloth 官方就有 Qwen3.8-27B-MTP-GGUF（您 1204 帖的链接列表里也放了）。16G 卡跑不了是因为 MTP draft 模型要多占 ~1-2GB，IQ4_XS 都贴边——措辞建议改成"16G 卡上 MTP 会 OOM"更准确。

4. "唯一能全层上 GPU 的密集模型" 也不成立
您自己的表里 Gemma-3-27B Q4_K_M 15.4GB < 16GB，同样能全层。Gemma 编程弱一档的判断我同意，但"唯一"去掉更严谨——Qwen3.8 真正胜出的是 256K 上下文 + 原生工具调用。

NVFP4 的判断完全同意：PR #21095 合并后 5070 Ti 才是完全体（~13GB / 55-65 t/s），那篇迁移指南值得期待。到时候我可以帮您跑一组 llama.cpp 最新版 + NVFP4 的对比数据。