长任务它不是崩，是空转。跑酷那轮一个回合跑了 5 个小时、258 步，其中 200 多次都在读它自己写的代码，同一个文件读了 11 遍，最后一小时一个文件都没动，连入口页都没写出来。速度正常、不报错，就是在那儿一直"看代码"。

交付的东西还经常"看着挺完整，跑不起来"。那个 FPS 单文件 108KB、2400 多行，需求基本都覆盖了，但里头一处重复声明，整页 JS 直接不执行——它自己没浏览器也没解析器，压根不知道跑不起来。

但只要把确切的失败甩给它，修得飞快：报错原文加行号 7 分钟，浏览器异常栈 4 分钟，给它一条能复现的命令 3.8 分钟。反过来，一条消息里塞四个缺陷，它一个都不改，空转 19 分钟后开始重复调用。

所以我现在固定这么用：在线模型拆任务、定验收、盯进度、最后审代码；本地模型当 sub agent，一轮只干一件事，而且每件事都得有一个它自己在命令行能跑出来的判据。这样跑下来，补完一个项目 25 分钟、修两个缺陷 6 分钟，最后验收 15/15 全过、能玩。跟前面那个 5 小时的长回合比，同一个模型同一台机器，啥也没交出来。差别真不在模型，在怎么用它。

短任务的质量我觉得够用，模块分得干净、命名注释也像样。加上不花钱、代码不外传、还能离线，当个干短活的 sub agent 挺合适。但别指望它无人值守跑完整项目，那块得让在线模型或者人来管。

下一步继续试飞行模拟器和任务看板，主要看能不能一次跑起来、后面改起来会不会失控。

几点提醒：

• 3060 12G + 3070 8G 是容量与带宽都不对等的异构对，layer split 比 tensor parallel 合适；确认 3070 分到的层放得下，别出现显存换页反而拖慢。
• IQ2_XS 是「容量优先」的取舍，128K 能开起来值得，但关键任务建议和 Q4 档对比一次质量，别默认无损。
• INT8 KV + 128K 下 KV 随上下文线性涨，双卡吃紧时优先降 ctx 或 KV 精度，别硬扛。
• Unraid 上把模型和缓存盘放 SSD，避开 parity 写入拖慢加载。

方便的话贴一下单卡与双卡的 pp/tg 对比，就能判断瓶颈在带宽、容量还是调度。

本次配置变化

硬件仍是 i7-7700K、64GB 内存、RTX 3060 12GB＋RTX 3070 8GB，模型仍是 Swift 1.5 Qwen3.8-Flash-Next 的 IQ2_XS，没有更换量化版本。保留 128K 上下文、INT8 KV、MTP 和图像支持，Ubuntu 虚拟机也保持运行。

引擎由 v0.1.21 升级到 v0.1.30，双卡由原来的辅助专家缓存方式改为整层拆分：3060 负责前 32 层，3070 负责后 16 层。试过几个拆分点，当前 32／16 的日常生成表现比较好，不能说已经是全局最优。

新旧速度对照

以下为同一个 Swift IQ2_XS、同一短中文提示的热态测试，temperature 0、关闭思考，输出上限 180 tokens：

最终配置相对旧配置提升约 74%，相对新版单卡提升约 35%。所以之前说“3070 没有明显提速”，是旧版本、旧辅助专家模式的结果；这次新版配合手动层拆分，短中文生成已经测到了收益。

不过 45 token/s 是热态短中文场景，不能当成所有任务的速度：初次冷请求约 34 token/s，代码生成复测约 25.7 token/s。另外，新版单卡的输入处理比最终双卡更快，双卡收益也不是每个环节都一致。

长上下文也更快了

接近 119K（118876 tokens）的首次输入，旧配置 prefill 约 286 秒，新配置约 181 秒，吞吐约 657 token/s；整个请求从约 4 分 49 秒缩短到约 3 分 03 秒。读取输入的耗时减少约 37%，开头、中间、末尾的标记检索也通过了。

如果按这次速度估算，接近完整 128K 的首次输入处理约需 3 分 20 秒，这是估算，没有实际塞满 131072 tokens；128K 还要给输出和消息模板留位置。已有对话缓存的后续请求，也不必每次重新处理全部历史。

文字、基础图片识别以及工具调用格式都重新检查过，Open WebUI 也已接入，日常使用更方便了。

一点使用感受

个人体感上，目前这个 Qwen3.8-Flash-Next 大 MoE 的 Swift 1.5 版本，整体回答体验比我之前用的 Qwen3.8-27B 更好。现在速度也上来了，更愿意把它作为日常主力使用。不过这是我的实际使用感受，还没有做严格的同题质量盲测，不能直接当成模型能力排名。

接下来准备拿几个完整项目来测试：飞行模拟器、3D 跑酷、任务看板和小型全栈应用，看看能不能一次运行成功、后续修改会不会出问题。欢迎有类似双卡配置的朋友交流参数，继续一起优化！