量化Qwen模型实现低显存长上下文运行

用户实测约17GB的视觉模型可运行262K上下文，双5060 Ti下约45至113 token/s。

推荐理由：实测显示该量化模型以不足17GB体积支持262K上下文，双5060 Ti日常智能体负载可达45至65 token/s，降低本地长上下文部署门槛。