依意思最接近的 6 筆
Reddit 某子版使用者 Mayion 發帖吐槽，稱整個子版已被關於 Strata 的好評刷屏，像《為美好的世界獻上祝福！》裡邪教不斷編造場景、宣稱唯一齣路是入教的橋段。帖子發布於 2026 年 10 月 3 日，標題為“Yes bots we get it, Strata is good now please stop”，正文未提供 Strata 的具體功能、效能或價格資訊。
有使用者用 Strata 加 Qwen3.8 Next 的 IQ3_XXS 權重（接近 80GB），在 DDR4 加 7900XTX 的慢速記憶體機器上穩定跑到 45-70t/s，編碼時偶爾更高；同樣配置下調優後的 llama.cpp 最高只有約 22.5t/s。12GB 和 16GB 顯示卡使用者反饋結果相近，DDR5 使用者則明顯更快。作者建議讓 LLM 按自己的硬體配置來設定，並提醒不要用 Q2 權重。
一批極窄用途的推理執行時正在出現，包括 Strata、ninfer、DwarfStar、Splash、llamAmpere、gufo 等。它們刻意放棄 llama.cpp 和 vLLM 擅長的通用性，只針對少數模型、有時甚至只針對一個硬體家族（如 Strix Halo）做最佳化。作者認為未來通用執行時負責相容性、一次性專精執行時負責最大效能將成為常態，這也有助於智慧的民主化與去中心化，並壓榨現有硬體的更多產出。
卡內基梅隆、MIT、紐約大學與斯坦福的團隊訓練出的 AI Ataraxos，在不完全資訊棋類 Stratego 上以 15 勝 1 負 4 平擊敗頂尖棋手 Pim Niemeijer，訓練只用 16 塊 GPU、花費幾千美元。此前連 DeepMind 也沒能做出穩定戰勝人類頂尖選手的機器。它與撲克一樣屬於不完全資訊遊戲，每方 40 枚棋子，身份只有碰撞交戰時才揭示，隱藏資訊量極大且展開時間很長。
OpenAI CEO Sam Altman 在 2026 年 10 月 1 日發帖表示，使用者應當能在任何需要的地方使用自己的 AI 訂閱。該表態未說明具體實現方式、覆蓋產品、時間表或限制條件。
基於 ExLlamaV3 的 Kyojin 引擎在 AMD Strix Halo（gfx1151、ROCm）上讓兩個 300B 級 MoE 模型各裝進一臺 128GB 迷你主機：GLM-5.3-Flash 佔 99.7GB，3.5K 上下文預填充 580 tok/s，解碼 26 到 30 tok/s；MiMo-V2.6-Flash 佔 105GB，解碼最高 44 tok/s（程式碼場景）。