Ollama 社群回報雙模型載入崩潰，Qwen3-VL 圖像編碼階段出現 GPU 配置錯誤

Ollama 社群於 10 月 6 日提交一項多模型推論故障：在另一個大型模型已載入的情況下，qwen3-vl:8b 處理圖像時，底層 llama-server 約在 45 秒內連續崩潰三次，第四次啟動才成功完成同一請求。截至查核時，議題仍開放，未列出關聯修補。原始回報

案例使用 Ollama 0.33.3、Arch Linux 與兩張各有 24 GB 顯存的 RTX 3090。先載入的 27B 模型分別占用約 12 GB、16 GB 顯存；接著帶圖像的 Qwen3-VL 請求啟動第二個推論程序。兩次失敗記錄為讀取位址零的分段錯誤，另一次則明確出現 CUDA 資源配置失敗。堆疊經過 clip_encode，最後落在 ggml_gallocr_alloc_graph，將調查範圍指向圖像編碼計算圖的配置階段。錯誤紀錄與堆疊

回報者推測，顯存壓力可能使緩衝區配置失敗，後續程式再解參考空指標；但作者沒有反組譯故障指令，這仍是待驗證假說。相同請求重啟後成功，也不足以证明根因或排除其他執行環境因素。目前證據來自單一環境，不能推廣為所有 Qwen3-VL 部署都會觸發的缺陷。案例限制

技術上值得追蹤的是，多模型排程能否涵蓋圖像編碼期間的資源需求。Ollama 官方文件說明，記憶體不足以載入新模型時，請求應排隊，並等待既有模型卸載；GPU 同時載入模型也須符合可用顯存條件。這份文件提供預期行為的對照，但並未確認本案違反排程規則或指出缺陷位置。官方並行處理說明

對部署文字與視覺模型的工程師而言，可優先比較單模型與雙模型情境，保留圖像尺寸、上下文設定及逐卡顯存紀錄；也可用 OLLAMA_MAX_LOADED_MODELS 限制同時載入數，作為隔離問題的實驗。這些是依案例提出的排查方向，尚非已驗證修復。下一步應關注維護者能否重現、配置失敗能否安全回傳錯誤，以及後續版本是否提供明確修補。設定文件