本地大模型：12 GB 顯存一鍵部署 Strata)
1250 億參數(shù)本地大模型12 GB 顯存一鍵部署 Strata【免費下載鏈接】StrataQwen3.8-Flash-Next on any consumer hardware: one-click install for Windows / Linux. Strata inference engine, OpenAI/Anthropic API on localhost, optional image input.項目地址: https://gitcode.com/gh_mirrors/strata11/Strata一張 12 GB 的游戲顯卡、32 GB 內(nèi)存的普通家用 PC跑起 1250 億參數(shù)的 Qwen3.8-Flash-Next還能在瀏覽器里聊天、接上你常用的編程 Agent。這就是 Strata 干的事一個面向消費級硬件的本地大模型推理引擎裝好后在127.0.0.1:8080提供 OpenAI / Anthropic 兼容 API全程不需要服務(wù)器級顯存。先看你的機器夠不夠這節(jié)回答我的 PC 能不能裝。硬件門檻一句話顯卡 ≥ 12 GB 顯存內(nèi)存決定能跑多大的模型。項目要求顯卡NVIDIA RTX 20 / 30 / 40 / 50 系列驅(qū)動 580AMD Radeon RX 7700 / 7800 / 7900、RX 9060 / 9070、RX 6800 / 6900實驗性、AI PRO R9700顯存 12 GB 或更多內(nèi)存32 GB 起步64 GB 可運行全部尺寸磁盤約 80 GB 空閑建議 SSD系統(tǒng)Windows 10/11 或 Linux安裝對應(yīng)顯卡驅(qū)動即可其余依賴Python、推理引擎、模型文件都由安裝器自動處理不用手動裝任何環(huán)境。完整要求見 docs/INSTALL.md。兩張甚至三張顯卡可以共享同一個模型見 docs/MULTI_GPU.md。三條路徑選最快的這節(jié)講從下載到服務(wù)跑通的最短路線。三條路徑任選其一。桌面應(yīng)用。從官方 release 下載對應(yīng)系統(tǒng)的一個安裝包Windows 的.exe裝到當(dāng)前用戶無需管理員權(quán)限Linux 的 AppImage 直接打開首次啟動時應(yīng)用會提示下載適配你顯卡的引擎然后選模型、選存儲目錄等下載完成即可聊天。終端一條命令。不想碰圖形界面就裝終端版# Linux / Mac curl -fsSL https://github.com/Niko1221/Strata/releases/latest/download/install.sh -o install.sh sh install.sh# Windows PowerShell irm https://github.com/Niko1221/Strata/releases/latest/download/install.ps1 | iex裝完運行strata launch跟著向?qū)нx模型、上下文、存儲目錄和訪問設(shè)置即可。也可以先打印計劃、什么都不下載strata launch --family qwen --model iq2_xs --plan。源碼安裝。clone 倉庫https://gitcode.com/gh_mirrors/strata11/Strata后Windows 雙擊START-HERE.batLinux 運行./setup.sh。腳本會回答四個問題——模型、尺寸、上下文長度、是否讀圖片——每個直接按 Enter 取推薦值。它探測你的顯卡并自動選 CUDA 或 HIP 引擎下載模型約 70 GB可中斷、可斷點續(xù)傳后啟動服務(wù)瀏覽器打開http://127.0.0.1:8080。常用安裝參數(shù)源碼路徑同樣適用完整列表見START-HERE.bat --help參數(shù)作用--model IQ2_XS --yes無交互安裝指定尺寸--context 32768上下文長度--data-dir E:\Strata-data模型文件放別處--port 8081換端口--gpus 0,2多卡共享模型--calibrate校準(zhǔn)引擎參數(shù)約 5-10 分鐘目前僅 NVIDIA實測 Coder 提速約 7%--host 0.0.0.0 --api-key secret對外提供服務(wù)必須帶 key兩點心理預(yù)期首次啟動 PC 可能卡頓甚至無響應(yīng) 1-3 分鐘因為要載入 35-55 GB 數(shù)據(jù)并鎖住一部分供顯卡使用等著就行窗口會顯示進度之后再啟動 30-90 秒即可。更新用應(yīng)用內(nèi)更新、strata update源碼則是UPDATE.bat/./update.sh——只更新引擎和配置不動模型文件。32 GB 還是 64 GB按內(nèi)存選尺寸這節(jié)幫你把 125 GB 級的模型塞進自己的內(nèi)存。Qwen3.8-Flash-Next 有壓縮程度不同的多個尺寸判斷規(guī)則只有一條內(nèi)存 ≥ 該尺寸的專家文件 約 10 GB留給系統(tǒng)和其他程序。你的內(nèi)存推薦原因32 GBCoderIQ1_M專家文件僅 23 GB是唯一裝得進的尺寸大顯存小內(nèi)存可走低內(nèi)存模式專家改從模型文件映射48 GBQ2_0 或 IQ2_XS兩者專家 34 / 35.5 GB裝得下Q2_0 最快IQ2_XS 質(zhì)量更好64 GBIQ3_S或 IQ3_XXS所有尺寸都裝得下IQ3_S 質(zhì)量最好、速度最慢96 GBUnsloth UD-Q4_K_XL 等 4-bit 包專家 72 GiB接近完整模型裝不下時從 SSD 邊讀邊算實測速度tokens/s生成速度 / 32K 提示詞讀取速度尺寸RTX 5070 Ryzen 5 7600 64 GBRX 9070 XT Ryzen 9 3900X 47 GBQ2_094 / 2,65060 / 1,160IQ2_XS79 / 2,09052 / 1,110IQ3_XXS62 / 1,750—IQ3_S53 / 1,620—Coder55 / 2,18044 / 1,420一個 token 約 ? 個單詞60 tokens/s 比人眼閱讀還快顯存越大的卡越快RTX 309024 GB大約能到 100-140 tokens/s。各尺寸數(shù)據(jù)與低內(nèi)存模式的完整規(guī)則見 docs/MODELS.md。版本上的幾個取舍Coder每層 512 個專家只保留按代碼數(shù)據(jù)篩出的 256 個作者方數(shù)據(jù)為 SWE-bench Verified 的 91%、LiveCodeBench 的 99%但代碼以外的能力含中文等 CJK 文本明顯更弱strata launch --family coder即可安裝Swift 1.5是 UkisAI 的微調(diào)版思考更短、答案來得更快、質(zhì)量大致相當(dāng)Unsloth UD-Q4_K_XL最接近完整模型但 111 GB 下載中有 77 GB 專家需要 SSD 兜底僅限 NVIDIA NVMe。讓編程 Agent 接上本地模型服務(wù)起來之后接入現(xiàn)有工具只需填一個地址。任何 OpenAI 兼容應(yīng)用base URL 填http://127.0.0.1:8080/v1API key 填任意值模型名隨意。Claude Code設(shè)ANTHROPIC_BASE_URLhttp://127.0.0.1:8080Anthropic 接口在http://127.0.0.1:8080/v1/messages再配ANTHROPIC_MODEL為任意 Claude 名字Strata 忽略名字。瀏覽器直接打開http://127.0.0.1:8080有聊天頁、監(jiān)控頁和 About 頁聊天存在瀏覽器本地服務(wù)器不落盤。思考深度用請求字段reasoning_effort控制可選 off / low / medium / high默認(rèn) high難題用 high圖快用 off。讓手機或局域網(wǎng)其他設(shè)備訪問--host 0.0.0.0 --api-key secretkey 不能省。性能上它一次只處理一個請求但會話狀態(tài)會保留第一條消息完整讀取4K 提示詞約 0.5-1.5 秒到 1,000 tokens/s 量級32K 用 Q2_0 約 15 秒之后的追問只讀增量幾秒內(nèi)開始生成。為什么 12 GB 顯存裝得下 1250 億參數(shù)核心在于 Qwen3.8-Flash-Next 是 MoE 結(jié)構(gòu)24,576 個小專家expert而每個詞只激活其中 10 個。這意味著專家不必全部塞進顯存——Strata 把它們按使用頻率分層安置像一座醫(yī)院的分診臺急診患者最忙專家留在搶救室GPU普通病人在候診區(qū)內(nèi)存由門診醫(yī)生CPU接診病歷檔案查找表放在庫房SSD。GPU每個詞都需要的 attention / DeltaNet 混合器、路由器、共享專家、KV cache、MTP 草稿層全在這顯存剩余部分填一個在線自適應(yīng)的專家緩存——你最常聊的話題用到的那幾千個專家自動駐留顯存每多 1 GB 約多裝 700 個。CPU 內(nèi)存pinned 地裝著全部 24,576 個專家。某詞需要 GPU 上沒有的專家時CPU 就地計算和 GPU 并行、互不等待AVX-512 / AVX2 內(nèi)核。SSD28.8 GB 的 n-gram 查找表每個詞只讀幾行。速度層面再疊兩層加速。一是先猜后驗?zāi)Ｐ妥詭У男?MTP 層一次猜最多 3 個后續(xù)詞大模型用一遍 48 層完整前向統(tǒng)一核對保留同意的、不同意的自己寫——平均每次前向產(chǎn)出 2.4-3.2 個詞質(zhì)量不變、速度提升 1.6-1.8 倍。二是代碼編輯等回答在重復(fù)上下文的場景prompt lookup 直接從之前副本抄最多 5 個詞實測再快 6-11%。相關(guān)實現(xiàn)見 include/strata/core/mtp.hpp 與 include/strata/core/verify.hpp。全部部件數(shù)字見 docs/HOW_IT_WORKS.md完整測量見 docs/paper/Strata-Paper.pdf。排障速查現(xiàn)象處理首次啟動卡 1-3 分鐘加載與鎖內(nèi)存的正常過程等待、別關(guān)窗10 分鐘仍無反應(yīng)則重啟并換更小尺寸下載 / 安裝中斷重跑同一條命令會從上次的進度繼續(xù)很慢、磁盤燈狂閃專家在從 SSD 流式讀取說明內(nèi)存不夠關(guān)掉占內(nèi)存的程序瀏覽器很吃或換 Q2_0 / IQ2_XS報 engine stopped unexpectedly同上內(nèi)存不足導(dǎo)致小顯存機器可關(guān)掉 MTP 草稿層再試提示 8080 端口被占用strata launch --status看是否已有服務(wù)在跑要替換加--restart要并存換--portNVIDIA 卡報驅(qū)動錯誤CUDA 13 引擎需要驅(qū)動 580升級驅(qū)動后重試更完整的癥狀表上下文超限、AMD 找不到 GPU、Linux 退出碼 -9 等在 docs/TROUBLESHOOTING.md。提 issue 前附上strata --version、strata doctor --live和strata launch --status的輸出。模型出自 Qwen 團隊的 Qwen3.8-Flash-Next壓縮版本分別由 ISTA-DASLab、UkisAISwift 1.5、Unsloth 制作。Strata 引擎基于 llama.cpp / ggml 組件構(gòu)建采用 MIT 許可LICENSE模型文件不在倉庫內(nèi)適用各自模型的許可?！久赓M下載鏈接】StrataQwen3.8-Flash-Next on any consumer hardware: one-click install for Windows / Linux. Strata inference engine, OpenAI/Anthropic API on localhost, optional image input.項目地址: https://gitcode.com/gh_mirrors/strata11/Strata創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 1250 億參數(shù)本地大模型：12 GB 顯存一鍵部署 Strata
1250 億參數(shù)本地大模型12 GB 顯存一鍵部署 Strata【免費下載鏈接】StrataQwen3.8-Flash-Next on any consumer hardware: one-click install for Windows / Linux. Strata inference engine, OpenAI/Anthropic API on localhost, optional image input.項目地址: https://gitcode.com/gh_mirrors/strata11/Strata一張 12 GB 的游戲顯卡、32 GB 內(nèi)存的普通家用 PC跑起 1250 億參數(shù)的 Qwen3.8-Flash-Next還能在瀏覽器里聊天、接上你常用的編程 Agent。這就是 Strata 干的事一個面向消費級硬件的本地大模型推理引擎裝好后在127.0.0.1:8080提供 OpenAI / Anthropic 兼容 API全程不需要服務(wù)器級顯存。先看你的機器夠不夠這節(jié)回答我的 PC 能不能裝。硬件門檻一句話顯卡 ≥ 12 GB 顯存內(nèi)存決定能跑多大的模型。項目要求顯卡NVIDIA RTX 20 / 30 / 40 / 50 系列驅(qū)動 580AMD Radeon RX 7700 / 7800 / 7900、RX 9060 / 9070、RX 6800 / 6900實驗性、AI PRO R9700顯存 12 GB 或更多內(nèi)存32 GB 起步64 GB 可運行全部尺寸磁盤約 80 GB 空閑建議 SSD系統(tǒng)Windows 10/11 或 Linux安裝對應(yīng)顯卡驅(qū)動即可其余依賴Python、推理引擎、模型文件都由安裝器自動處理不用手動裝任何環(huán)境。完整要求見 docs/INSTALL.md。兩張甚至三張顯卡可以共享同一個模型見 docs/MULTI_GPU.md。三條路徑選最快的這節(jié)講從下載到服務(wù)跑通的最短路線。三條路徑任選其一。桌面應(yīng)用。從官方 release 下載對應(yīng)系統(tǒng)的一個安裝包Windows 的.exe裝到當(dāng)前用戶無需管理員權(quán)限Linux 的 AppImage 直接打開首次啟動時應(yīng)用會提示下載適配你顯卡的引擎然后選模型、選存儲目錄等下載完成即可聊天。終端一條命令。不想碰圖形界面就裝終端版# Linux / Mac curl -fsSL https://github.com/Niko1221/Strata/releases/latest/download/install.sh -o install.sh sh install.sh# Windows PowerShell irm https://github.com/Niko1221/Strata/releases/latest/download/install.ps1 | iex裝完運行strata launch跟著向?qū)нx模型、上下文、存儲目錄和訪問設(shè)置即可。也可以先打印計劃、什么都不下載strata launch --family qwen --model iq2_xs --plan。源碼安裝。clone 倉庫https://gitcode.com/gh_mirrors/strata11/Strata后Windows 雙擊START-HERE.batLinux 運行./setup.sh。腳本會回答四個問題——模型、尺寸、上下文長度、是否讀圖片——每個直接按 Enter 取推薦值。它探測你的顯卡并自動選 CUDA 或 HIP 引擎下載模型約 70 GB可中斷、可斷點續(xù)傳后啟動服務(wù)瀏覽器打開http://127.0.0.1:8080。常用安裝參數(shù)源碼路徑同樣適用完整列表見START-HERE.bat --help參數(shù)作用--model IQ2_XS --yes無交互安裝指定尺寸--context 32768上下文長度--data-dir E:\Strata-data模型文件放別處--port 8081換端口--gpus 0,2多卡共享模型--calibrate校準(zhǔn)引擎參數(shù)約 5-10 分鐘目前僅 NVIDIA實測 Coder 提速約 7%--host 0.0.0.0 --api-key secret對外提供服務(wù)必須帶 key兩點心理預(yù)期首次啟動 PC 可能卡頓甚至無響應(yīng) 1-3 分鐘因為要載入 35-55 GB 數(shù)據(jù)并鎖住一部分供顯卡使用等著就行窗口會顯示進度之后再啟動 30-90 秒即可。更新用應(yīng)用內(nèi)更新、strata update源碼則是UPDATE.bat/./update.sh——只更新引擎和配置不動模型文件。32 GB 還是 64 GB按內(nèi)存選尺寸這節(jié)幫你把 125 GB 級的模型塞進自己的內(nèi)存。Qwen3.8-Flash-Next 有壓縮程度不同的多個尺寸判斷規(guī)則只有一條內(nèi)存 ≥ 該尺寸的專家文件 約 10 GB留給系統(tǒng)和其他程序。你的內(nèi)存推薦原因32 GBCoderIQ1_M專家文件僅 23 GB是唯一裝得進的尺寸大顯存小內(nèi)存可走低內(nèi)存模式專家改從模型文件映射48 GBQ2_0 或 IQ2_XS兩者專家 34 / 35.5 GB裝得下Q2_0 最快IQ2_XS 質(zhì)量更好64 GBIQ3_S或 IQ3_XXS所有尺寸都裝得下IQ3_S 質(zhì)量最好、速度最慢96 GBUnsloth UD-Q4_K_XL 等 4-bit 包專家 72 GiB接近完整模型裝不下時從 SSD 邊讀邊算實測速度tokens/s生成速度 / 32K 提示詞讀取速度尺寸RTX 5070 Ryzen 5 7600 64 GBRX 9070 XT Ryzen 9 3900X 47 GBQ2_094 / 2,65060 / 1,160IQ2_XS79 / 2,09052 / 1,110IQ3_XXS62 / 1,750—IQ3_S53 / 1,620—Coder55 / 2,18044 / 1,420一個 token 約 ? 個單詞60 tokens/s 比人眼閱讀還快顯存越大的卡越快RTX 309024 GB大約能到 100-140 tokens/s。各尺寸數(shù)據(jù)與低內(nèi)存模式的完整規(guī)則見 docs/MODELS.md。版本上的幾個取舍Coder每層 512 個專家只保留按代碼數(shù)據(jù)篩出的 256 個作者方數(shù)據(jù)為 SWE-bench Verified 的 91%、LiveCodeBench 的 99%但代碼以外的能力含中文等 CJK 文本明顯更弱strata launch --family coder即可安裝Swift 1.5是 UkisAI 的微調(diào)版思考更短、答案來得更快、質(zhì)量大致相當(dāng)Unsloth UD-Q4_K_XL最接近完整模型但 111 GB 下載中有 77 GB 專家需要 SSD 兜底僅限 NVIDIA NVMe。讓編程 Agent 接上本地模型服務(wù)起來之后接入現(xiàn)有工具只需填一個地址。任何 OpenAI 兼容應(yīng)用base URL 填http://127.0.0.1:8080/v1API key 填任意值模型名隨意。Claude Code設(shè)ANTHROPIC_BASE_URLhttp://127.0.0.1:8080Anthropic 接口在http://127.0.0.1:8080/v1/messages再配ANTHROPIC_MODEL為任意 Claude 名字Strata 忽略名字。瀏覽器直接打開http://127.0.0.1:8080有聊天頁、監(jiān)控頁和 About 頁聊天存在瀏覽器本地服務(wù)器不落盤。思考深度用請求字段reasoning_effort控制可選 off / low / medium / high默認(rèn) high難題用 high圖快用 off。讓手機或局域網(wǎng)其他設(shè)備訪問--host 0.0.0.0 --api-key secretkey 不能省。性能上它一次只處理一個請求但會話狀態(tài)會保留第一條消息完整讀取4K 提示詞約 0.5-1.5 秒到 1,000 tokens/s 量級32K 用 Q2_0 約 15 秒之后的追問只讀增量幾秒內(nèi)開始生成。為什么 12 GB 顯存裝得下 1250 億參數(shù)核心在于 Qwen3.8-Flash-Next 是 MoE 結(jié)構(gòu)24,576 個小專家expert而每個詞只激活其中 10 個。這意味著專家不必全部塞進顯存——Strata 把它們按使用頻率分層安置像一座醫(yī)院的分診臺急診患者最忙專家留在搶救室GPU普通病人在候診區(qū)內(nèi)存由門診醫(yī)生CPU接診病歷檔案查找表放在庫房SSD。GPU每個詞都需要的 attention / DeltaNet 混合器、路由器、共享專家、KV cache、MTP 草稿層全在這顯存剩余部分填一個在線自適應(yīng)的專家緩存——你最常聊的話題用到的那幾千個專家自動駐留顯存每多 1 GB 約多裝 700 個。CPU 內(nèi)存pinned 地裝著全部 24,576 個專家。某詞需要 GPU 上沒有的專家時CPU 就地計算和 GPU 并行、互不等待AVX-512 / AVX2 內(nèi)核。SSD28.8 GB 的 n-gram 查找表每個詞只讀幾行。速度層面再疊兩層加速。一是先猜后驗?zāi)Ｐ妥詭У男?MTP 層一次猜最多 3 個后續(xù)詞大模型用一遍 48 層完整前向統(tǒng)一核對保留同意的、不同意的自己寫——平均每次前向產(chǎn)出 2.4-3.2 個詞質(zhì)量不變、速度提升 1.6-1.8 倍。二是代碼編輯等回答在重復(fù)上下文的場景prompt lookup 直接從之前副本抄最多 5 個詞實測再快 6-11%。相關(guān)實現(xiàn)見 include/strata/core/mtp.hpp 與 include/strata/core/verify.hpp。全部部件數(shù)字見 docs/HOW_IT_WORKS.md完整測量見 docs/paper/Strata-Paper.pdf。排障速查現(xiàn)象處理首次啟動卡 1-3 分鐘加載與鎖內(nèi)存的正常過程等待、別關(guān)窗10 分鐘仍無反應(yīng)則重啟并換更小尺寸下載 / 安裝中斷重跑同一條命令會從上次的進度繼續(xù)很慢、磁盤燈狂閃專家在從 SSD 流式讀取說明內(nèi)存不夠關(guān)掉占內(nèi)存的程序瀏覽器很吃或換 Q2_0 / IQ2_XS報 engine stopped unexpectedly同上內(nèi)存不足導(dǎo)致小顯存機器可關(guān)掉 MTP 草稿層再試提示 8080 端口被占用strata launch --status看是否已有服務(wù)在跑要替換加--restart要并存換--portNVIDIA 卡報驅(qū)動錯誤CUDA 13 引擎需要驅(qū)動 580升級驅(qū)動后重試更完整的癥狀表上下文超限、AMD 找不到 GPU、Linux 退出碼 -9 等在 docs/TROUBLESHOOTING.md。提 issue 前附上strata --version、strata doctor --live和strata launch --status的輸出。模型出自 Qwen 團隊的 Qwen3.8-Flash-Next壓縮版本分別由 ISTA-DASLab、UkisAISwift 1.5、Unsloth 制作。Strata 引擎基于 llama.cpp / ggml 組件構(gòu)建采用 MIT 許可LICENSE模型文件不在倉庫內(nèi)適用各自模型的許可?！久赓M下載鏈接】StrataQwen3.8-Flash-Next on any consumer hardware: one-click install for Windows / Linux. Strata inference engine, OpenAI/Anthropic API on localhost, optional image input.項目地址: https://gitcode.com/gh_mirrors/strata11/Strata創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考