docker run --rm -it \
  --gpus '"device=1,2"' \
  -p 8000:8000 \
  -v "$HF_HOME/models/qwen3:/models" \
  ghcr.io/ggml-org/llama.cpp:server-cuda \
  -m /models/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf \
  -c 262144 \
  -n 16384 \
  --jinja \
  --no-context-shift \
  --temp 0.2 --top-p 0.95 --top-k 40 --min-p 0.01 --repeat-penalty 1.05 \
  --main-gpu 0 \
  --tensor-split 0.5,0.5 \
  -ngl 999 \
  -fa on \
  --kv-unified \
  --cache-type-k q8_0 \
  --cache-type-v q8_0 \
  --batch-size 2048 \
  --ubatch-size 512 \
  --parallel 2 \
  --cont-batching \
  --host 0.0.0.0 \
  --port 8000