Der Reddit-Nutzer pilibitti betreibt das Mixture-of-Experts-Modell Qwen 35B A3B über llama-server mit einem Reasoning-Budget von -1 (unbegrenzt). In diesem Modus denkt das Modell in allen getesteten Clients nahezu endlos, bevor es antwortet. Einzige Ausnahme: der Pi-Coding-Agent, der das Modell zu minimalem, aber weiterhin akkuratem Thinking bringt – ohne Abschneiden, da alle Thinking-Blöcke sauber enden. Weder das Kopieren des Pi-System-Prompts noch das Aktivieren von Thinking-Level-Controls erklärt das Verhalten – llama-server erkennt Qwen hier nicht als Thinking-fähiges Modell, weshalb diese Regler gar nicht greifen sollten. Pi selbst meldet beim Versuch der Thinking-Steuerung: „Current model does not support thinking". Die Diskussion kreist darum, ob Pi unter der Haube spezielle Token injiziert, Sampler-Parameter manipuliert oder serverseitige Hooks nutzt. Als Bonusfrage wird aufgeworfen, wie manche Clients Thinking on-the-fly ein- und ausschalten, ohne das Modell neu zu laden.