Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek

Strata · 追踪报道（共 8 篇）

2026.10.31Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek （当前文章）
2026.10.28Strata 0.2.8 发布：取消默认开启的 12GB 及以下显存加速功能，RTX 3060 生成代码快了 37%｜支持 NVIDIA DGX Spark
2026.10.24Strata 0.2.4 更新：12GB 显卡运行 DeepSeek V4.1-Flash
2026.10.23Strata 0.2.3 更新：聊天太长？现在会自动压缩了
2026.10.22Strata 0.2.2 发布：新增多显卡自由分工，Gyro 推理提速最高 30%
2026.10.20Strata 0.2 测试版发布：性能升级，门槛再降低｜低配电脑运行本地大模型
2026.10.16Strata 现已支持 macOS，还能运行更轻量的 Qwen3.6-35B-A3B 大模型了
2026.10.108GB显存就够，Strata 让普通电脑也能运行千亿参数大模型

2026.10.31Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek （当前文章）
2026.10.28Strata 0.2.8 发布：取消默认开启的 12GB 及以下显存加速功能，RTX 3060 生成代码快了 37%｜支持 NVIDIA DGX Spark

本地运行 AI 大模型的 Strata 0.2.9 发布，又变快了。

Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek 1

日更软件 Strata，今天更新到了 0.2.9 版本，在为本地大模型提速的道路上继续前进。

这次更新有点猛：在 Windows 系统上，使用 AMD Strix Halo 处理器运行 Qwen3.8 模型，提示词处理速度最高提升了 88%。

所谓提示词处理速度（Prefill），就是把一篇长文档、几万行代码丢给本地 AI，它读完这些内容、开始回答之前，需要等待的时间明显缩短了。

另外，这次不只有 AMD，NVIDIA、Intel 显卡也有性能优化，还新增了 Unsloth 的 1-bit DeepSeek 模型支持。

32K 长提示词，从 41 秒缩短到 22 秒（Windows + AMD Strix Halo）

Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek 2

开发者使用同一台 Windows 电脑、同一个 Qwen3.8 IQ3_S 模型，对 Strata 0.2.8 和 0.2.9 的推理引擎进行了交错测试，没有额外调整参数。

结果如下：

测试项目	0.2.8	0.2.9	提升
Qwen3.8 IQ3_S / 8K	791 tok/s	1,424 tok/s	80%
Qwen3.8 IQ3_S / 32K	778 tok/s	1,460 tok/s	88%
Unsloth UD-IQ4_XS / 8K	794 tok/s	1,243 tok/s	57%
Qwen3.8 解码	57.4 tok/s	58.9 tok/s	约 3%

其中，32K 指的是约 32,000 个 Token 的输入内容。

按测试吞吐量简单计算，处理同样长度的提示词：

旧版本需要约 41 秒。
新版本只需要约 22 秒。

一次节省约 19 秒。

如果你经常让本地 AI 阅读长文档、分析代码，或者使用 Agent 处理大量工具返回的信息，这种提升很有意义。

这次优化主要来自 AMD Strix Halo 的矩阵计算核心。Strata 默认启用了新的 F16 Matrix Core 内核，以及用于专家选择的矩阵核心计算路径。

NVIDIA 显卡也提速了，8 路并发提升 45%

开发者使用一张 RTX PRO 5000，在 Linux 下运行 Qwen3.8 IQ3_S，在同时处理 8 个请求时，并发性能提升约 45%，单个请求的速度也提升了约 5.3%。

另外，Strata 还为 Linux 上的 NVIDIA 显卡默认启用了 Gated DeltaNet 的 Tensor Core 计算内核。

根据测试：

RTX PRO 5000：长提示词处理提升约 4%～6%。
RTX A4000：16K 和 32K 提示词处理分别提升 2.6% 和 3.2%。

Intel Arc 显卡也有优化

Strata 0.2.9 还继续优化了 Intel Arc B 系列显卡。

在两张 Intel Arc Pro B65 的测试环境中，提示词处理速度提升了 4.6%～15.8%。
同时处理 8 个请求时，总生成吞吐量从 42.1 tok/s 提升到了 53.8 tok/s。

另外，Strata 现在可以自动识别并使用多张 Arc 显卡，在双 B65 的短提示词测试中，使用两张显卡的处理速度达到 439 tok/s，而单卡为 221 tok/s。

不过，这些优化也有代价：通过批处理服务器处理单个请求时，解码速度反而下降了约 2.7%。

新增 1-bit DeepSeek：下载就要 241GB

Strata 0.2.9 发布：本地大模型 Prefill 最高提速 88%，还支持 1 比特 DeepSeek 3

Strata 正式提供 Unsloth 的 1-bit DeepSeek 量化模型选项。

包括两个版本：

模型	下载体积
UD-IQ1_S	241GB
UD-IQ1_M	258GB

1-bit 量化的意义，普通电脑真的可以运行了，可以运行了。

开发者还提供了 61 项任务测试：

UD-IQ1_S：完成 53 项。
UD-IQ1_M：完成 53 项。
ISTA-DAS 2.25：完成 56 项。

这个成绩略低于作为对照的 ISTA-DASLab 2.25-bit DeepSeek 量化版（56 项）。

多张 AMD 显卡终于可以自动一起工作

0.2.9 修复了多张 AMD 显卡不能同时工作的问题。

开发者使用四张 Radeon AI PRO R9700 测试 DeepSeek，更新后无需手动指定 GPU，就可以自动使用全部四张显卡。

原先默认只用一张卡时，短回答的解码速度为 7.8～25.7 tok/s。

更新后使用四张卡，六次聊天和工具调用回答的解码速度达到 57.7～103.7 tok/s。

聊天界面也变流畅了

另外 Strata 还修复了它提供的那个 Web 聊天界面，面对超长回答时，不再那么卡顿了。

在一段 40,000 Token 的模拟长回复测试中：

主线程耗时从 15.7 秒降至 9 秒。
峰值内存从 114MB 降至约 62～75MB。

此外，这次还修复了部分工具调用识别错误、Qwen3.6 预热阶段的 KV Cache 越界，以及 Windows 环境中非 UTF-8 输出导致安装或启动失败的问题。

青小蛙觉得

Strata 堪称那个能让每个人都有机会 Token 自由的项目，无论如何在2026年，只要你家里还有一台电脑，都推荐试试。

它已经傻瓜到只需要双击运行就行了。

项目地址：GitHub

原文：https://www.appinn.com/strata-0-2-9/