本地跑模型有时像逐字打字：每生成一个 token（模型处理文字的基本单位），都要再往前算一步。llama.cpp 的一项新 PR——提交给开源项目审查的代码改动——正为 Qwen3-Next 补上 MTP 支持。MTP 即“多 token 预测”，它会一次猜出多个后续 token，再验证哪些可以采用，从而有机会减少串行计算，让已有模型重新跑得更快。
这次适配的一个具体难点是，Qwen3-Next 的 Hugging Face 配置没有像 Qwen3.5 那样标明 MTP 层数。提交者因此改为从模型检查点里的 mtp.* 张量——保存模型参数的数据块——自动推算层数，并提供单独的 MTP GGUF 文件供测试。GGUF 是 llama.cpp 常用的本地模型文件格式。
不过，“支持 MTP”还不等于必然加速。提交者称 M5 的 Metal 环境获得了性能改善；另一名用户在双 R9700 的 Vulkan 环境中却报告速度最多下降约 50%，关闭 MTP 后恢复。现有材料中的性能表不完整，PR 也不等同于正式发布，因此更准确的结论是：Qwen3-Next 已有了补齐加速能力的路径，但不同硬件上的实际收益仍待验证。