一套在 NVIDIA DGX Spark GB10 单机上运行 Qwen3.8-27B 的独立、可复现服务工程。
参考栈使用 mixed-NVFP4 target、DFlash2 probabilistic K7 drafter，以及一个 8.3 MiB 的原生 rank-1 PEFT LoRA。同一 vLLM 进程同时暴露 clean base 与按请求 adapter 两个模型 ID：不选择 adapter 的请求留在干净 CUDA graph path，native LoRA identity 同时负责 prefix-cache 隔离。
仓库包括：
- 固定 digest 的 ARM64 vLLM/DFlash2 Docker build；
- mixed FP8/NVFP4 output projection 到 PEFT LoRA 的转换器；
- 单服务 clean base 与 adapter 双 alias；
- C1/C8 benchmark harness 与脱敏 JSON 结果；
- OpenAI Chat、Responses、Anthropic Messages 验证；
- forced tool 与 prefix-cache isolation 门禁；
- 架构、内存、方法与许可文档。
实测 clean-base C1 吞吐从旧 always-on hook 的 30.32 tok/s 恢复到 native-LoRA 调度下的 45.41 tok/s。完整口径、限制和解释见技术长文。