Der Reddit-Nutzer darksteelsteed betreibt Qwen3.8:27B im NVFP4-Format über llama.cpp auf einer RTX 5080 mit 16 GB VRAM und hat einen 48k-Kontext konfiguriert (49.152 Token). Mit einem llama-server-Build (llama-b10699) läuft das Modell mit rund 12 Tokens pro Sekunde, jedoch bricht pi.dev Konversationen vorzeitig ab, wenn der Kontext nicht rechtzeitig komprimiert wird. Drei Plugins wurden getestet: max-context funktionierte laut Bericht gar nicht, pi-observational-memory schaffte zwar vier automatische Compaction-Durchläufe mit einem Schwellenwert von 0,75, scheiterte aber dennoch am kritischen Moment, und pi-blackhole kompaktierte überhaupt nicht. Erschwerend kommt hinzu, dass die Compaction-Einstellungen in pi.dev architektonisch vom Modellprofil entkoppelt sind — bei jedem Modellwechsel (etwa zu Gemma oder anderen Qwen-Varianten) müssen Parameter manuell neu gesetzt werden. Der Nutzer kritisiert, dass viele der auf pi.dev/packages gelisteten Plugins offenbar primär für Frontier-Modelle mit großen Kontextfenstern ausgelegt sind, nicht für VRAM-limitierte Setups mit kleineren Fenstern. Anfragen an Google, OpenAI und Copilot um Hilfe blieben laut Bericht ohne verwertbare Antworten.