Folia
← 返回头版

12GB 显存显卡跑 125B Qwen3.8 模型:Strata 登场,单张 RTX 5070 跑出 94 词元/秒

开发者 Niko1221 开源推出了 Strata 引擎,使消费级显卡能够运行量化的大模型。1 这款引擎支持在 12GB 及以上显存的消费级显卡上运行 Qwen3.8-Flash-Next 模型。1 该模型拥有 125B 参数,包含 51B 参数的 n-gram 嵌入表,原生支持 262K token 上下文长度。1

通过将 MoE 模型载入 RAM、仅在 VRAM 中加载高频专家以及使用投机解码等技术,Strata 引擎在消费级硬件上实现了显著的推理性能。1 在 RTX 5070(12GB VRAM)、Ryzen 5 7600 处理器和 64GB 内存的配置下,Q2_0 量化版达到 94 词元/秒的推理速度。1 IQ3_S 量化版本的推理速度为 53 词元/秒,而 AMD RX 9070 XT(16GB VRAM)的 Q2_0 版本可达 60 词元/秒。1 该引擎的最低硬件要求为:12GB 以上 VRAM 显卡、32GB 以上内存和 80GB 以上存储空间。1


评论