16GB 显存跑 Qwen3-27B agent：开 MTP 掉上下文还变笨？

用户用 llama.cpp 在 16GB 显存以 iq3s 量化本地运行 Qwen3 27B，为 Hermes agent 服务，发现开启 MTP draft 后 prefill 变慢、模型表现似乎变差。显存吃紧下上下文只能压到 96k，解码约 40-60 tps。关闭 MTP 可恢复 128k 上下文，但解码降至约 35 tps，用户发帖征询取舍建议。