Qwen3.8 на моём Mac mini получила простейший вопрос, 196 784 входных токена и 586 инструментов. После этого она десять минут писала «Думаю» и так и не перешла к ответу. Я продолжаю описывать свой рабочий процесс и на этот раз рассказываю об эксперименте, в котором ошибся в главном архитектурном решении. С локальными моделями я новичок. Поэтому увидел Qwen3.8 27B с большим контекстом, установил её на Mac mini M4 Pro с 48 ГБ памяти и решил подключить почти к полноценной среде Codex: с историей, системными инструкциями и огромным каталогом инструментов. Короткий проверочный запрос работал, поэтому сначала казалось, что установка прошла успешно. Реальная задача показала другую картину. Один запуск успел обработать 55 296 токенов примерно за девять с половиной минут, после чего Ollama отменил запрос. Увеличение времени ожидания просто заставило нас дольше ждать тот же результат. Журналы показали, что локальная модель получила не задачу, а почти весь рабочий стол Codex. Она тратила всё время на обработку служебного пакета и не успевала начать ответ. Тогда мы выделили Qwen отдельную узкую роль. Подняли изолированный MLX-процесс, убрали инструменты и историю, ограничили размер входа и стали передавать только компактный пакет проверенных фактов. После этого модель начала работать. А первым содержательным заданием для нового контура стало написание технического черновика статьи о том, как мы его строили и почему первая схема провалилась. В статье показываю реальные цифры из журналов, устройство Ollama- и MLX-контуров, безопасную схему с локальным сервером и SSH-туннелем, ограничения по памяти и главный практический вывод: локальной модели не обязательно отдавать весь Codex, чтобы она приносила пользу. Ошибки у меня ещё наверняка будут. Но теперь каждая такая ошибка превращается в измерение, рабочее ограничение и следующий шаг. 👉 Qwen3.8 на Mac mini M4 Pro: сначала всё сломалось, потом он написал эту статью