换了套基于 vLLM 的 Qwen 3.8 Flash Next 方案，跑分从 91 涨到 98 了

之前我是用 RadixArk 的 NVFP4 权重，配上打过补丁的优化版 SGLANG 来跑的。

现在换成了 wtdcode 的 AWQ W4A16 权重，再加上 primitive-ai 的 INT4 PLE 量化，推理引擎也换成了打过补丁的 vLLM。这么搞主要是想让权重和 n-gram PLE 都以 4bit 量化加载，不管在我 sm89 还是 sm120 的设备上都能跑。

速度确实慢了不少，毕竟我用的是低并发场景。但效果是真的好太多了，这个差距让我挺意外的。

现在中等和超高推理强度下都跑到了 98 分，之前只有 91。感觉比起其他模型是个很大的提升，分数最高，效率也最高。

接下来我想再深挖一下，看看差异到底是来自引擎和它的补丁，还是量化本身的问题，顺便把 vLLM 的方案针对我的环境再优化优化。