Der Reddit-Nutzer BuahahaXD betreibt Qwen 3.8 27B als Q6_K-Quantisierung (von Unsloth) vollständig auf zwei RTX-3090-Ti-GPUs unter Windows 11 mit LM Studio – ein Setup, das hardwareseitig ausreichend Reserven bietet. Der Context-Limit wurde auf rund 50.000 Token gesetzt, was für komplexe agentische Aufgaben eigentlich großzügig bemessen ist. Als VSCode-Erweiterungen kommen Cline und ZooCode zum Einsatz, ergänzt um mehrere MCP-Server und eine benutzerdefinierte Skill-Definition. Der konkrete Anwendungsfall sind vor allem Home-Assistant-Konfigurationsanpassungen – überschaubare, aber strukturiert-iterative Aufgaben, bei denen das Modell zuverlässig Tool-Calls absetzen und Ergebnisse validieren muss. Das „Overthinking"-Problem von Qwen 3.8 war dem Nutzer bekannt; er hat das Prompt-Template entsprechend auf „Medium Effort" angepasst, ohne sicher sein zu können, ob das Modell diese Einschränkung tatsächlich einhält. Der Vergleich mit DeepSeek V4 Flash im identischen Setup fällt deutlich zugunsten von DeepSeek aus – ein Hinweis darauf, dass das Problem weniger beim Framework als bei der Modell-Architektur und deren Reasoning-Steuerung liegt. In der Community wird als mögliche Alternative zu LM Studio u. a. llama.cpp direkt oder andere Inference-Backends diskutiert, die mehr Kontrolle über Sampling und Reasoning-Budget bieten.