Qwen Token Pressure Report¶
Stand: 2026-05-30
Kurzfazit¶
qwen3-coder-next ist als lanstyle/agent-stable und lanstyle/fast brauchbar, erreicht aber in OpenCode-lastigen Sessions regelmaessig finish_reason=length, wenn lange Doku, grosse MCP-/Toolantworten, historische Reports und Operator-Artefakte zusammen in denselben Kontext geraten. Das ist Token Pressure, nicht primaer Netzwerk oder NPM.
Root Cause¶
| Ursache | Bewertung |
|---|---|
| grosse Tool Responses / JSON-Waende | hoch |
| lange historische Doku im Kontext | hoch |
| OpenCode Operations Sessions mit vielen Teilaufgaben | hoch |
| Outputlimit zu knapp fuer Tabellen/langes Markdown | mittel-hoch |
qwen3.6:35b-a3b Thinking-Modus bei lanstyle/agent |
separates Problem: Reasoning verbraucht sichtbares Outputbudget |
| LiteLLM Alias Mapping | nicht Hauptursache |
| VLAN/NPM/Streaming | nicht Hauptursache |
Empfohlene Limits¶
| Alias | Kontext | Output | Empfehlung |
|---|---|---|---|
lanstyle/fast |
32k | 4k-8k | kurze Ops-Fragen, keine langen Reports |
lanstyle/agent-stable |
bis 262k | 16k-32k | Standard, aber Toolantworten komprimieren |
lanstyle/architect |
131k | 16k-32k | lange Planungen/Reviews, bewusst einsetzen |
lanstyle/agent |
nicht fuer Operator Default | n/a | hidden/experimental |
| entfernt | Evaluation | 8k-16k | admin-only, kein Default |
Routingstrategie¶
- Fast Ops:
lanstyle/fast, kurze Antworten, maximal komprimierter Kontext. - Standard Ops:
lanstyle/agent-stable, Toolantworten als Summaries statt Rohdaten. - Architektur/Change Review:
lanstyle/architect. - Sehr lange Konsolidierungen: splitten in mehrere Artefakte statt eine riesige Chatantwort.
Konkrete Gegenmassnahmen¶
- MCP/Tools API soll standardmaessig Operator-Summaries liefern, Rohdaten nur
debug. - OpenCode sollte historische Doku nur per Hermes/Qdrant gezielt abrufen, nicht alles in den Prompt laden.
- Reports als Dateien erzeugen und im Chat knapp zusammenfassen.
max_tokensnicht pauschal klein setzen, aber lange Antworten segmentieren.