山东
IT之家 10 月 6 日消息，科技媒体 gigazine 今天（10 月 6 日）报道，报道称开发者 Niko1221 开源推出 Strata 引擎，可以在 12GB 及以上显存的消费级显卡上，运行量化的 Qwen3.8-Flash-Next 模型（1250 亿参数）。
IT之家注：Qwen3.8-Flash-Next 模型是阿里巴巴 Qwen 团队于 2026 年 8 月推出的多模态混合专家（MoE）模型的压缩版本，配有 125B 参数，另含 51B 参数的 n-gram 嵌入表，原生支持 262K token 上下文长度。
Strata 为了降低显存占用，主要采用两项关键技术：其一是将 MoE（混合专家）模型整体载入 RAM，仅将高频使用的专家模型载入 VRAM。其二使用轻量模型进行投机解码，预测下一 Token 以加速推理过程。
硬件要求方面，运行 Qwen3.8-Flash-Next 需满足最低配置：12GB 以上 VRAM 的 NVIDIA 或 AMD 显卡、32GB 以上 RAM、80GB 以上存储空间（推荐 SSD）、Windows 10/11 或 Linux 系统。
性能方面，在 NVIDIA GeForce RTX 5070（12GB VRAM）、Ryzen 5 7600、64GB RAM 配置下，2 比特量子化版 Q2_0 达到 94 词元 / 秒推理速度，3 比特量子化版 IQ3_S 为 53 词元 / 秒。AMD Radeon RX 9070 XT（16GB VRAM）环境下，Q2_0 版本达到 60 词元 / 秒。
英伟达主机性能表现：
硬件配置： NVIDIA RTX 5070（12 GB 显存），AMD Ryzen 5 7600，64 GB 系统内存。
量化版本（Size）写答案速度（Writes answers）阅读提示速度（Reads your prompt）Q2_094 个词元 / 秒2,650 个词元 / 秒IQ2_XS79 个词元 / 秒2,090 个词元 / 秒IQ3_XXS62 个词元 / 秒1,750 个词元 / 秒IQ3_S53 个词元 / 秒1,620 个词元 / 秒Coder55 个词元 / 秒2,180 个词元 / 秒
AMD 主机性能表现：
硬件配置：AMD RX 9070 XT（16 GB 显存），AMD Ryzen 9 3900X，47 GB 内存。
量化版本（Size）写答案速度（Writes answers）阅读提示速度（Reads your prompt）Q2_060 个词元 / 秒1,160 个词元 / 秒IQ2_XS52 个词元 / 秒1,110 个词元 / 秒Coder44 个词元 / 秒1,420 个词元 / 秒
这里的“写答案”对应生成回复（输出）的速度，“阅读提示”对应处理你输入的 prompt（上下文）的速度。
参考
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
