你的首页大概也被"8G 显存跑 125B"刷屏了

10 月 2 日到 4 日，B 站数码区被同一个词密集轰炸：“Strata”。一条《12G 显卡跑 Qwen3.8-Flash-Next，速度 93t/s》的视频两天冲到 6.5 万播放、7295 收藏；紧随其后的是"8G 显存跑 125B"“16G 显存白嫖 125B，不花一分钱 API 费”。评论区晒配置的、问"3070Ti 能用吗"的、喊"Strata 已经杀死了 MoE 本地部署的比赛"的，热闹得像 2026 年双 11 前数码 DIY 圈的一次集体心跳。哔哩哔哩

先把被反复追问的三个问题一次说清：这事是不是真的？真到什么程度？以及最关键的——在内存涨到"一根回本"的 2026 年秋天，你要不要为它掏钱升级硬件。

Strata 是什么：一个十天攒出九千星的开源引擎

GitHub 上查得到的硬信息：项目 Niko1221/Strata，2026 年 9 月 24 日建库，MIT 协议，10 月 3 日刚发 v0.1.38，10 月 4 日星标 9216、Fork 835、开放 Issue 264 个——十天走完很多项目一年的曲线。官方简介值得逐字读：在任何消费级硬件上跑 Qwen3.8-Flash-Next，Windows/Linux 一键安装，本地起 OpenAI/Anthropic 兼容 API，可选图像输入。GitHub

它能成立，一半功劳在模型本身。8 月 26 日发布的 Qwen3.8-Flash 是个 125B 总参数的 MoE（混合专家）模型，但每个 Token 只激活约 6B 参数；它还在主干外挂了一个 51B 参数的 N-gram Embedding——通俗讲是给模型配了一本"常用词组词典"，查表为主、几乎不吃计算，开源权重命名 Qwen3.8-Flash-Next。知乎

Strata 的打法是把这套结构拆开摆：“常驻热专家"塞显卡，词典和大部队摊进内存和 CPU，再加 MTP 投机解码（先猜几个词再一次性验，对就一口气多吐几个）。所以"8G 显存跑 125B"不是标题党——但它跑的从来不是 8G，而是"8G 显存 + 一大块内存 + 一颗够格的 CPU”。这是本文要拆的第一颗雷。

十几份晒单放一张表里：真实速度长什么样

单个 UP 主的数字看看就好，把 B 站评论区晒单、知乎实测帖、引擎评测报告里带配置的读数摆在一起，规律就浮出来了（速度均为 decode 实测 tok/s，口径为社区自报）：

三张表外看不出来的规律：

瓶颈不在显存容量。决定"跑多快"的是内存容量、内存带宽和 CPU——同是 2080Ti 22G，配消费级平台 60 t/s，配 E5 服务器 U 掉到 40、预填充腰斩。
48~64G 内存是社区晒单的事实门槛。32G 能跑通的报告极少且口径模糊，一位 32G 用户原话：必须 64G 内存，哪怕 8G 显存都可以跑。哔哩哔哩
老 DDR4、甚至 DDR3 服务器平台被这波玩法原地复活——有老哥晒出反向操作：把 40G DDR4 降级换成 128G DDR3 拆机条，跑 Q4_K_XL 量化开 512k 上下文，最高速度 21 t/s。注意，这话的前提是你库里躺着 2025 年三四千块买的那套 128G；现在补票，价格不是那个价格。知乎

晒单之外，评测把水分挤出来了哪些

知乎一位 7900XTX 用户的 Strata 评测报告（9/30-10/3，本机实跑非读代码）是这波热度里最冷静的文本，一句话结论：技术是真本事，但宣传数字在夸大。几条被验证的雷，直接决定你的体验下限：知乎

量化有悬崖。 原版 Q2_0 全部答对中文测试题、速度也最快，但 Coder 编程版的中文基本不能用——十题零对，为了代码能力剪掉的专家里正好埋着中文。视频 UP 主自测低精度 IQ3S 时，也栽在"编程长任务死循环导致分数塌陷"上，评论区共识更直接：Q2 掉智严重，能上 Q3 就上 Q3，真不行回去跑 27B。 MoE 模型普遍不建议低精度量化，这不是玄学。知乎哔哩哔哩
README 的"60-95 字/秒"，实测 25 个格子是 43.04-92.97，官方 bench 的问题在于每格只测一次、不标 token 数。 IQ3_S"和原模型一样好"这句话，全项目找不到任何测试数据支撑。
一张卡开两个实例不可行：第二个实例专家命中率跌到 15.3%、速度慢 10.5 倍——评测原话，这不是分摊，是一个全速加一个残废。想要并发，加第二张卡。
下载本身就是坑：63G 的 Q2_0 权重，HuggingFace 实测 0.13 MB/s（理论 5 天），换成 ModelScope 只要 1.5 小时。
安全裸奔：引擎没有鉴权，所以端口只绑回环，裸奔在局域网等于把机器送人。知乎

工程质量倒是有公论：宁可拒绝启动也不给坏结果、全项目待办注释极少、中断可续传、未测数字明确标注。这个引擎值得玩，但"跑通"和"好用"之间隔着一次预期校准。

双 11 前算三张门票：这张热门票到底值不值

门票 A：零元档。 手里已有 12G+ 显存 N 卡或 A 卡 + 48~64G 内存 + 近八年支持 AVX-512 的 CPU（或按评测绕开最快版本），你什么都不用买，一个下午就能复刻上面的晒单。这是 Strata 这波真正的受众。

门票 B：为它补硬件档——劝退重灾区。 现在的行情是：16GB DDR5 单条，去年同期大概 450 元，现在 1500 到 1850 元；32GB 套装从千元以内涨到 3300 到 3900 元，有玩家晒出芝奇 64GB 套条的页面标价 10548 元、显示无货。 DDR4 因停产反而更贵：16Gb 规格的 DDR4 颗粒均价 83.66 美元，同容量的 DDR5 颗粒只报 57.833 美元。美光 CEO 还放话，2027 和 2028 年内存供需可能比 2026 年更紧——涨价才到半场。为了跑本地模型去补 64G 内存，按当前价约 3300~3900 元起步。知乎知乎知乎

显卡侧：2026 年 9 月 5060Ti 涨价了一张就要 5000+，追求性价比的方案是两张改好显存、带 NVLink 的 2080Ti 22G，5000-6000 元之间，但工包/拆机卡要看运气防翻新。统一内存这边，刚发布的 DGX Spark 64GB 版内存只有 128GB 版的一半，起步价却是 4999 美元，比去年 128GB 版首发的 3999 美元还贵 25%。知乎哔哩哔哩

AI Max+395 的国产 128GB 迷你主机，带国补的整机到手价也要 2 万上下。 9 月 30 日这一代平台已迭代到 AI Max+495 迷你主机上市、统一内存顶到 192GB 超大内存。而 Strata 对 395 核显的支持还在 bring-up，项目方 10 月 3 日刚回复 GitHub 提问：我们正在一台 gfx1151 真机上自己 bring-up Strix Halo，这部分由官方来做。哔哩哔哩知乎哔哩哔哩

一句话：硬件补票进场，这波是花钱买折腾的入场券，不是买性价比。

门票 C：根本不进场档——被所有人忽略的对账。 官方 API 价格已经打到每百万 Tokens 输入仅 1 元，输出 3 元，比 DeepSeek-V4-Flash 闲时还便宜。而编程场景里 Flash 档位甚至已经免费很多天了。一个月用掉 2000 万输出 token（重度用户）也就 60 元——门票 B 那 3500 元内存，按 API 价要用一百年回本。所以本地部署买的从来不是"省钱"，而是另外四样：数据不出机（体检报告、公司代码、私人笔记）、不限速 24 小时挂 agent（Strata 直接提供 OpenAI/Anthropic 兼容接口当 Claude Code/Cursor 后端）、256K~512K 超长上下文、断网可用。知乎知乎

谁该上手，谁捂紧钱包

建议上手： 已有门票 A 配置的折腾党；对隐私敏感、需要离线/内网环境的用户；准备把本地模型接进 agent 工作流当免费后端的；以及库里真躺着 64G 以上老内存的——这轮行情下你的库存就是资产，"128G 的春天"这话现在说给你听。

建议观望： 需要现买内存/显卡进场的（涨价未到顶，双 11 的"优惠"大概率救不了 64G 套条）；只偶尔提问、日常问豆包的（云 API 便宜到不成立）；要"开箱即用生产力"的（264 个开放 Issue、版本号三天一跳，现在是工程蜜月期不是产品成熟期）；被 Coder 版标题吸引的编程党（中文十题零对，老实等 Q4 以上量级的评测）。

继续盯四个信号： Strata 是否正式放出 Strix Halo/395 核显与更多 AMD 卡的官方支持；下一版量化（社区在催的 DS4.1F 类模型）是否补齐编程死循环；双 11 内存现货是否如 9 月 20 日那波"跳水"一样只是脉冲；以及千问官方是否放出更好的原生 GGUF。

热闹是真热闹，账也算得清了：Strata 把本地大模型的门票从"万元显卡"打到了"你家抽屉里的内存"，但它改变的是门槛，不是成本结构。先翻抽屉，再翻购物车——顺序别反。