一句话看懂：开源本地大模型运行工具 Strata 于 2026 年 11 月 3 日发布 0.2.10 版，重点是把 128K 长上下文压进 8GB 显存设备，并让 DFlash2 推测解码成为默认选项，普通消费级 PC 跑大模型的门槛进一步下降。
事件核心：发生了什么
据 AIbase 报道，Strata 0.2.10 在三个方向做了调整。显存方面，当显存不足时系统会动态压缩常驻 GPU 的 KV cache 窗口，必要时把部分缓存分摊到系统内存或磁盘，从而在 8GB 显存设备上保留用户设定的上下文长度，官方称可维持到 128K（131,072 tokens）。在 8GB 显存限制下开启 DFlash2 模式，生成速度可达 63 至 73 tokens/s；使用 Intel Arc A750 8GB 实测可启动 128K 上下文，速度为 12.7 至 14.8 tokens/s。
DFlash2 成为默认推测解码器，显存占用从 MTP 方案约 5.2GB 降至约 625MiB。多 GPU 方面新增 All-cards Split Engine，让多卡共同处理每一层模型，官方称双 RTX A6000 在 Linux 下代码编辑任务从 195 tokens/s 提升至 377 至 394 tokens/s。此外还加入基于 DeepSeek-V4.1-Flash 专家剪枝的编程模型 ISTA-DAS Coder，并修复了 Agent 审批按钮遮挡、子代理接收后续指令等问题。
为什么重要
长期以来，长上下文和低显存是本地开源大模型的两难：上下文越长，KV cache 越吃显存，8GB 显卡往往在 48K 左右就被迫妥协。Strata 的思路不是单纯压模型，而是把显存、内存、磁盘做成分级缓存，这直接决定开源模型能否在消费级硬件上进入实用区间。对闭源 API 而言，本地工具能力上探会分流一部分对隐私敏感、需要离线推理的开发需求，但目前公开信息显示这只是单点工具更新，尚不足以改变整体算力格局。
对用户/开发者/创作者的影响
对个人开发者，8GB 显卡搭配 32GB 以上内存有望跑起长文档摘要、代码库问答等 128K 场景；官方建议至少 32GB 内存，48GB 更合适，64GB 才能从容应对复杂任务。对多卡用户，All-cards Split Engine 在代码编辑类任务上的官方数据接近翻倍，但该结果仅限其测试条件，不宜外推为所有任务。对创作者，长上下文意味着更完整的素材输入，但吞吐仍取决于内存配置和硬盘速度。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 8GB 显存跑 128K 的实际可用性，需等更多第三方复测；二是 DFlash2 与 MTP 在多并发场景下的取舍是否会形成更细的默认策略；三是 ISTA-DAS Coder 首次下载所需存储较大，是否会成为新用户的门槛。
来源：AIbase
