前阵子本地推理圈最大的动静是显卡解锁：开源项目把出厂锁住的算力峰值解到接近翻倍，可实测党发现——预填充确实快了，逐字出字没怎么动。结果10月底，"出字速度"这块反倒是软件侧补上的，一张卡都不用换。先说结论：这波提速是真的，也免费，但每份成绩单后面都塞着一张账单。机器之心知乎
① Strata 0.2.7：改默认值，代码回答快37%，官方还留了回滚开关
开源项目Strata（github.com/Niko1221/Strata）这次更新没加新功能，改的是十几处默认调度。官方数字标注了实测机型：12GB NVIDIA老卡，代码任务提速37%，一项任务从141.8秒干到27.7秒。原理一句话：MoE的专家路由改成优先用常驻显存的专家，少换一次页，多出一截速度。DeepSeek还搬上了AMD AI MAX，上下文扩到1M。哔哩哔哩
代价也写了小字：评论区高赞直接点破——“变快的两个参数，其实是用变蠢换来的”。官方没装死，留了一键退回0.2.6的开关。哔哩哔哩
② HyperQwen：3090跑到131 tokens/s，中文实测可能只有30
针对Qwen3.8-27B的专用引擎，官方战报单路131 tokens/s、32K上下文还有81。知乎答主刘聪NLP的复现泼了盆冷水：跑官方脚本的英文/代码测试，约100 tokens/s，基本达标；换中文题，一开始直接掉到30上下。原因很黑色幽默：MTP草稿头默认带4万词元的小词表，显存是真省，中文草稿接受率却只有7%。叠双Triton+CUDA图可再推到122，但25K和50K+上下文的更优后端还不一样。老卡的第二春是真的，只是官方速度按场景发货。哔哩哔哩知乎
③ 换一个MTP文件：整段快27%，长文开头多等6秒
一位迷你主机玩家同机对照：同一个模型，带不带MTP各跑一遍——短问答整段85.9秒→62.3秒，出字58→66字/秒；但长文首段等待42秒→48秒，反而多等6秒。投机解码类加速就这个画风：出字越多越占便宜，等得越久越吃亏。日常问答白捡，重度读长文档的，这顿免费午餐未必合胃口。哔哩哔哩知乎
④ 社区的真实标尺：763B跑到25 tokens/s，瓶颈换成了内存和硬盘
评论区比跑分诚实：有人5090D跑DeepSeek V4.1-Flash（XQ量化约Q2，152G模型+203G nGram），实测约25 tokens/s，高赞总结是"就是太废硬盘"。有人48G内存只喂得出8K上下文、7 tokens/s——出字卡壳，元凶往往是内存不是显存；圈里公认的体感线：decode上30才算快，接Agent还得prefill扛住1000+。连算力舱玩家说的也是同一句：硬件没变，引擎优化把输出从50拉到90-100。提速的主战场，已经离开显卡了。哔哩哔哩哔哩哔哩
怎么上车：先看清三张账单
先别急着升级，动手前核对三件事：更新说明里有没有回滚开关（Strata 0.2.7就是范本）；官方测试脚本跑的是不是你的语言和任务（英文103≠你的中文30）；加速把成本挪去了哪——降智、首等待，还是你那块被nGram啃的SSD。各家数字都标了具体机型和场景，本文证据止于"官方+复现"，跨出范围别硬套。跑一遍你自己的任务，那才算唯一的成绩单。
