我成功使用LM Studio在本地部署了IQ1_M量化的Qwen3.8 Flash Next，并实现了最高6.16tok/s的推理速度（达到了生产最低可用线20tok/s的30.8%） 我的配置： 显卡：RTX3060 12G x2 内存：DDR4 64G 硬盘：QLC SSD（别问为什么是QLC，问就是买的时候忘看了） 加载时GPU卸载设置为13层，上下文长度可以拉满到262K，关闭保持模型在内存中，启用尝试mmap（这会节省显存和内存，离谱的是64G的内存直接加载会OOM） 还有一个雷霆优化命令，加载模型完成后在GGUF目录下面运行： cat Qwen3.8-Flash-Next-UD-IQ1_M-00002-of-00003.gguf > /dev/null 它的作用是把GGUF文件放到Linux的页缓存里面，实测运行完这个命令后，初始的生成速度加快了38%（当然实际上在推理的时候Linux也会把真正用到的部分加载到页缓存，所以在前面的token中，可能出现越推理越快的现象） Q1量化的智商如何？在非思考模式下，我使用它和C端DeepSeek V4 Flash分别生成了一段介绍mmap的文章，并交给C端GLM Flash评分，结果是它竟然比DeepSeek高0.5分 同样是非思考模式，我尝试让它做2024北京中考的圆形综合（当年困住了我20分钟啊，到了2025年主流模型还无法做对，虽然现在大部分的模型都能做出来），它也是成功做对。而在非思考模式下，Gemma4-26B-A4B和Qwen3.8-27B都做不出来