Strata 0.2.10：8GB 显存能开 128K 上下文了，压力转给了内存和硬盘

开源本地大模型工具 Strata 更新到 0.2.10，最显眼的一句是 8GB 显存可以跑 Qwen3.8 IQ3_S，并保持 128K（131072 token）上下文。之前在这种显存上开到 64K 以上常常启动失败，只能退回 48K 左右。

办法是动态调度。显存不够时自动缩减留在 GPU 里的 KV 缓存窗口，必要时把一部分放到内存甚至硬盘。显存省下来了，代价也写在官方建议里：内存 32GB 起步，48GB 合适，64GB 才从容。

速度差距要看硬件。官方在 8GB 限制下开 DFlash2 测到 63 至 73 token/s，换成真实的 Intel Arc A750 8GB 显卡，128K 能启动，但只有 12.7 至 14.8 token/s。前者是对高端卡做的显存限制，后者才接近真实的 8GB 用户。

省显存的另一半功劳在 DFlash2，这版设成了默认的推测解码器。之前的 MTP 层占约 5.2GB 显存，它只要约 625MiB。不过官方把它定位成单请求优先，多并发和硬件兼容上 MTP 还有优势。

多卡用户拿到的是 All-cards Split Engine，多张卡共同处理每一层。两张 RTX A6000 在 Linux 下做代码编辑，从 195 token/s 涨到 377 至 394 token/s。

还新增了编程专用的 ISTA-DAS Coder，由 DeepSeek-V4.1-Flash 裁剪专家得来，但权重和 Engram 数据体积不小，首次下载要备足硬盘。界面上修了一批小毛病，比如回复太长时审批按钮被挡、生成中途可以选择排队或中断。