爆火 9 天的 Strata，号称 12G 显存跑 180B 大模型。我把仓库 README、HuggingFace 模型页和原始推文逐条对了一遍，结论是模型和速度都是真的，但推文把三个关键条件全藏了。本文用 5 张图说清它到底值不值得装。
前几天刷 X，看到一条转了不少次的推文，说有个开源项目能让 12G 显存的游戏卡跑 128B 大模型，速度到96 token/s。我第一反应是吹牛，128B 的权重光存下来就要七八十 GB，12G 显存怎么塞得进去。
顺手把这个叫Strata的仓库和它背后模型的 HuggingFace 页面都翻了一遍，还专门核对了官方跑分表和社区测试。东西是真的，推文也没撒谎，只是把条件全藏了。下面用数据讲清楚。
先搞懂它跑的是什么
Strata 跑的模型叫Qwen3.8-Flash-Next，Qwen 官方 8 月底发布，HuggingFace 上 140 万次下载、5800+ 赞，总参数180B。这个量级能塞进家用电脑，靠的是 MoE 架构。
打个比方，它像一家有 512 个顾问的公司，每个问题进来只叫醒几十个相关的干活，其余的继续睡觉。睡觉的顾问不占工位，办公室就能租小一点。落到电脑上是同一回事，12G 显存放常驻骨干和当前激活的专家，其余专家权重放在系统内存里，用的时候再搬。
96 token/s 是怎么来的
推文里的96 token/s，最接近的官方数字是94，在 RTX 5070 上测出。但 README 里这是压缩最狠的 2bit 档位（Q2_0）的成绩。想智商掉得少一点，换保留最全的 IQ3_S 档，速度立刻掉到53。快和聪明，现阶段只能选一头。
推文没说的第二件事，是内存。官方配置清单写着内存32GB 起步、64GB 才舒服，硬盘再腾 80GB。四个档位里最轻的也要 37.6GB 内存加显存合计，最完整的 IQ3_S 要 54.8GB。
这套方案筛选的是「12G 显存 + 32G 内存」的玩家。只盯着显存看，大多数人的机器会卡在内存这一关，装了也跑不起来。
README 里有一张 5070 真机运行的监控截图。左边面板显示，出字速度50.4 token/s，显存占用11.2/12GB，GPU 温度 54 度。这张图比推文实在，它同时证明了两件事，速度确实是几十 token/s 的水平，12G 显存也确实刚好够用，一点富余都没有。
Strata 官方 README 真机截图，左为监控面板，右为模型实时写代码的画面
喂长文档会掉速
日常短聊确实快，但把 32K 的长文档喂进去，读题就要15 秒到 1 分钟，之后追问才恢复秒回。128K 超长上下文下，出字速度还会再掉两成左右。想拿来啃长报告、读代码仓库，这个体验要有心理预期。
我把推文和官方文档逐条对了一遍，差距全在没写出来的条件里。
推文给你的印象
官方文档的完整说法
12G 显存就能跑
显存 12G 没错，内存要32GB 起步，硬盘再吃 80GB
速度能到 96 token/s
最狠压缩档94，保留最全的档只有53
跑的是 128B 大模型
官方权重180B总参数，速度是拿压缩换的
感觉是黑科技突破
MoE 加内存卸载，llama.cpp 生态有同类玩法，Strata 胜在一键装
⚠️ 上桌前想清楚三件事
第一，2bit 是智商税档位。Q2_0 拿智商换速度，简单聊天感觉不出来，复杂推理和中文长文上掉档明显。相当于雇了个 180B 头衔的顾问团，每次只让他们带着小抄干活。
第二，项目太新，作者匿名。仓库开源第 9 天冲到7500+ Star，作者是 2021 年注册、只有这一个仓库的匿名账号。代码是真 C++ 全家桶，但这个传播速度明显有推广矩阵在推。早期 issue 里已经有 AMD 显卡超时、启动内存溢出的报告。
第三，供应链要留个心眼。一键安装脚本会往你电脑下载编译好的引擎直接跑。介意的话，先读源码再装，或者放进虚拟机里玩。
适合谁已经很清楚了。有 12G 显存游戏卡、内存 32G 以上、想体验本地大模型，值得试。8G 显存、16G 内存的主流配置，这项目和你没关系，不用焦虑。它真正指出的方向是，硬件没变，靠软件工程把大模型的门槛硬往下拽，等 4bit 档位在 24G 卡上跑顺，本地大模型才算真正上岸。
觉得有用，关注 AI智管局
下期拿真机装一台 Strata，实测中文能力到底掉多少
文 · 小王 · AI智管局
参考来源，Strata 仓库 github.com/Niko1221/Strata · 模型页 huggingface.co/Qwen/Qwen3.8-Flash-Next · 原始推文 x.com/daluoseo。速度与内存数据均来自项目官方 README 与 docs/MODELS.md。
热门跟贴