llama.cpp长上下文预分配拖慢推理

用户发现配置131K上下文后，即使实际输入很短，9B量化模型仍明显变慢。

推荐理由：131K配置会扩大KV缓存并挤占仅8GB显存，部分张量被迫转移或减少GPU卸载层数，因此未填满上下文也可能变慢；应按实际需求降低窗口并检查卸载状态。