sentinelK

经此配置后，strata + qwen3.8-flash-next IQ3 这套组合，在驱动 harness 这个领域，除了并发效率以外，已经完美吊打 sglang+qwen3.8-27B-nvfp4 这套传统的全量显存组合。

首先，strata 因为基于 llama.cpp ，所以不存在 memba 层和 kvcache 层的抉择问题。
其次，IQ3_XXS 的 qwen3.8-flash-next ，模型能力本身超过 qwen3.8-27B-nvfp4 。
最后，无论是 prefill 的稳定度还是 decode 速度，strata 这套混合架构+MOE 模型，均超越了 27B 稠密模型的性能表现。

是的。
但是商业社会从来不是用产品的“技术含量”、“革新程度”来定价的。

微信和米聊相比，有什么创新吗？甚至主色调都一致，但这不妨碍微信干死米聊。

@nightwitch 合作是有的，在 ds 涨价成峰谷之前，opencode go 就是 100%的官方中转。

涨成峰谷之后，opencode 就有自部署的尝试了。之前还是灰度的。
这次是完全自部署。

opencode 也是，名义上 60$永久，但本质上从官方中转换成了自部署。

tg 只有不到 100t/s ，缓存命中率 95%。更恶心的是上了一些莫名其妙的限制。比如同 session 只能最大 30 张图片。

1 、deepseek 的 API 天然支持 responses （三种 API 格式都支持），所以接入 codex 不需要中转。中转会出现莫名停止的问题。

2 、claude code 这种闭源的最好别用，总是更一些 API 的 feature ，导致缓存命中概率降低。

3 、从情理上讲，人们总是认为自家模型适配自家 harness 工具应该是最好的，但实际未必。

以后很有可能文学 LLM 和业务 LLM 会彻底分家，比如更多类似 https://huggingface.co/Altworld/Hemmingway-1 会冒出来。

@viskem 是的，我理解就是人话里面有太多“模糊”和“婉转”了。现实任务其实是定量的，或者说人类的活动为了精准故意设定成了定量为主。所以“讲人话”对于 LLM 的 Agent 场景来讲，其实是一种噪声信息，反而降低了统计学最优解的信噪比。

跟后训练对齐的方式有关。“人话”从目前的跑分（强化学习目标）的角度来讲，是一种很低效的指标。

换句话说，人话在 Agent 、Coding 这种场景是非常反效率的。

看楼上的回复，感觉好多人对于跨平台有很大误解。认为跨平台和原生的代码量是 1：2 ，我个人理解，无论是什么跨平台生态，和原生的代码量基本是 1：1.5 ，甚至是 1：1.3 。