fix: 修复模型加载方式，改用 FP16+CPU offload

RTX 3050 8GB 无法完整加载 Qwen3.5-9B，即使量化也不行：
- bitsandbytes 4-bit 不支持 CPU offload
- bitsandbytes 8-bit 与 accelerate 存在版本兼容问题
- FP16 + CPU offload 可以加载但推理质量极差（输出乱码）
- 推理速度仅 0.4 tokens/s

结论：RTX 3050 8GB 不适合运行 Qwen3.5-9B

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

vsp/qwen3.5-9b/model_utils.py

@@ -0,0 +1,41 @@
+"""共享模型加载工具 - 统一加载配置"""
+import os
+import sys
+import glob
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+# 修复 Windows GBK 编码问题
+sys.stdout.reconfigure(encoding='utf-8', errors='replace')
+sys.stderr.reconfigure(encoding='utf-8', errors='replace')
+
+
+def get_model_path():
+    """获取本地模型路径"""
+    paths = glob.glob("vsp/qwen3.5-9b/model/**/config.json", recursive=True)
+    if paths:
+        return os.path.dirname(paths[0])
+    return "Qwen/Qwen3.5-9B"
+
+
+def load_model():
+    """加载模型 (FP16 + GPU/CPU offload)
+
+    RTX 3050 8GB VRAM 不够放完整模型，使用 FP16 并将部分层 offload 到 CPU。
+    """
+    model_path = get_model_path()
+    print(f"模型路径: {model_path}")
+
+    tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
+
+    max_memory = {0: "6GiB", "cpu": "24GiB"}
+    model = AutoModelForCausalLM.from_pretrained(
+        model_path,
+        torch_dtype=torch.float16,
+        device_map="auto",
+        max_memory=max_memory,
+        offload_folder="vsp/qwen3.5-9b/offload",
+        trust_remote_code=True,
+    )
+
+    return model, tokenizer