双卡异构运行262K上下文Qwen 27B

作者为Ollama移植NVFP4 KV缓存，并按算力在RTX 5090与3090 Ti间分配模型层。

推荐理由：核心是通过NVFP4压缩KV缓存并按算力异构分层，让27B量化模型扩展至262K上下文；同时修复CUDA内核缺陷，但尚缺完整性能与精度数据验证收益。