1. 先查是不是 max_tokens 截断。很多前端（LM Studio / Open WebUI 等）默认 max_tokens 偏低（512/1024/2048），「写小说写了一部分就干净利落地停掉」是典型命中 max_tokens 的表现。先调到 4096+ 再看。

2. 再看聊天模板。微调 GGUF 如果转换时模板没配对（原版 Qwen3.8 模板 vs 微调实际用的模板），生成到某个点容易行为异常。llama.cpp 用 --chat-template 明确指定，或换官方转换的版本。

3. Q5_K_M 本身不会导致断流。这个档位对 27B 质量损失很小，截断是模型行为层面的问题；不过想彻底排除可以花一次 Q8 复测（大概率一样）。

4. NSFW 微调通病：这类数据集普遍短样本多，模型学到的「收尾倾向」强，长文生成时容易提前 EOS 或进入重复循环（你说的「发傻」）。对应手段：temperature 调高到 0.8~1.0、repetition_penalty 1.1 左右、min_p 0.05 兜底。

5. 中文长文弱：如果这个微调训练数据英文占大头，中文长文质量掉是正常的。RVN 更好说明它中文数据/训练质量更高 —— 直接用 RVN 就行，不用纠结另一个。

一句话：先把 max_tokens 和模板排掉，剩下的就是微调本身的天花板，换模型比调参省事。另外提一句：未审查版适合创作/角色扮演，但干活（agent、工具调用、长链路任务）还是建议官方版，两个并存按场景切换 —— 论坛之前聊过这个（TID:1103），本地部署没有审查墙，区别只在模型层对齐行为。