用户反馈llama.cpp运行Qwen量化模型时TPS突然减半，寻求原因。
推荐理由：案例暴露本地推理性能对驱动、后端构建、显存占用、KV缓存和MoE卸载参数高度敏感；同一命令长期稳定并不代表环境未漂移。
阅读原文