Der Reddit-Nutzer sisyphus-cycle beschreibt das Problem, dass kommerzielle Sub-Agenten-Implementierungen keinerlei Rücksicht auf VRAM-beschränkte lokale Hardware nehmen. Mit nur 10 GB VRAM und einem einzigen KV-Cache-Slot im llama.cpp-Server ist das parallele Spawnen mehrerer Agenten schlicht nicht möglich. Als Lösung hat er – unterstützt durch Qwen3.6-35b-a3b – einen Fork eines bestehenden Sub-Agenten-Repositories für den pi coding agent entwickelt. Kernmerkmal: Sub-Agenten werden sequenziell ausgeführt, ohne dass nach Rückkehr zum Hauptagenten der gesamte Prompt neu verarbeitet werden muss. Geplant ist außerdem die Möglichkeit, Sub-Agenten ohne vorherigen Kontext zu starten und den Hauptkontext über `--slot-save-path` und den `slots`-Endpoint zu persistieren – allerdings sind die erzeugten `.bin`-Dateien laut Autor sehr groß. Als Hardware-Randinformation erwähnt er, mit dem Apex-Qwen-Variant und aktiviertem MTP (Multi-Token Prediction) im llama.cpp-Hauptbranch bei 175–200k Kontext (q_8 KV) 200–300 Prompt-Processing-Tokens/s und 25–40 Tokens/s Generierungsrate zu erreichen.