本地跑 Qwen3-Flash-Next 写代码：90GB 量化权重，千万 token 后预填充成瓶颈

intermundia · reddit · 2026-10-19

一位开发者分享了本地长编码会话的部署实践：用 LM Studio 部署量化版 Qwen 3 Flash Next(权重约 90GB),配合自制脚本来管理内存和长上下文，整套环境基于定制的 deepseek harness 0.2.1-alpha.1。

他的体验：模型代码能力不错，但「思考」倾向极强，会不断自我怀疑、反复权衡，而思考模式似乎只有开/关两档，无法调低强度；另外当会话累计摄入 token 达到 700-800 万时，prefill 速度变成明显瓶颈。他在帖中求教：有没有人找到办法把这个模型的思考强度调低。