Der Reddit-Nutzer milpster betreibt Qwen 3.6 27B (Quantisierungsstufe Q8_K_XL) lokal auf einer AMD-GPU-Konfiguration via ROCm 6.1 und llama.cpp. Als Agentenframework setzt er Opencode zusammen mit dem „oh my openagent"-Harness ein, das bereits beim Start 45–55k Tokens Kontext verbraucht. Bei einem Gesamt-Kontextfenster von 105.000 Tokens verbleiben für längere Runs entsprechend wenig Reserve. Das Kernproblem: Das Modell vergisst über längere Sitzungen hinweg explizite Instruktionen – etwa die Direktive, Prompts verlustfrei zu komprimieren – und wandelt diese eigenständig in numerische Zielwerte (konkret: 40 % Kompression) um. Zusätzlich sendet das Modell Aufgaben an den falschen Agenten und vergisst dabei auch noch die ursprüngliche Bedingung der bedeutungserhaltenden Kompression. Ein weiteres wiederkehrendes Muster: Das Modell übernimmt Aufgaben selbst, statt sie wie angewiesen zu delegieren. Der Nutzer hat bereits verschiedene Quantisierungsstufen (bis Q6) und größere Kontextfenster (bis 256k mit F16 KV-Cache) getestet, ohne das Problem zu beheben. Der llama.cpp-Befehl zeigt zudem experimentelle Flags wie ngram-basiertes Speculative Decoding und MTP-Draft-Modus, die zusätzliche Komplexität in den Inferenzpfad einbringen.