Un desarrollador que ejecutaba Qwen3.5-122B en un Mac Studio con M3 Ultra identificó tres errores específicos en la pila de servicio qMLX que causaban una latencia severa durante la codificación agéntica de contexto largo.
Los problemas incluían inestabilidad del prompt que rompía la coincidencia del KV cache, respuestas de streaming interrumpidas que causaban divergencia del historial y envenenamiento de checkpoints que activaba una evicción agresiva.
Corregir estos errores redujo el tiempo de prefill de minutos a menos de un segundo, permitiendo almacenar 53k tokens con solo 33 prellenados. El autor liberó como código abierto la bifurcación qMLX y un script de benchmark, señalando que las optimizaciones de atención híbridas específicas para Qwen probablemente causarán divergencia respecto a las pilas upstream.