分享 Windows 上 Strata 跑 Qwen 的参数调优实践

2026 年 10 月 26 日，Reddit 的 LocalLLaMA 板块有用户发帖，分享在 Windows 平台运行 Qwen 模型时对 Strata 进行配置调优的实践经验。该用户的测试环境为一台 Windows 机器，配备 RTX 4090 显卡、额外 48 GB 显存和 Ryzen 3900X 处理器，模型为 IQ3_S 量化的 Qwen3.8-Flash-Next，运行在 200k context 下。

该用户基本上对大量 Strata 运行参数做了一次网格搜索。结果显示，调整三个参数后解码速度从 97 tok/s 提升到 142 tok/s，提升 45%，其中最关键的三个参数是 --adapt-async 1、--kv-resident 20480 和 STRATA_ADAPT_LAG=2。他还指出了几项表现较差的设置：--expert-cache 的单位是 MiB 而非槽位，若按填满显卡的方式配置会下降 72%；--ple-io ram 在 48 GB 显存下下降 90%；--no-prefill-borrow 下降 46%。

此外还有一个尚未解决的限制：在 Windows 下 Strata 未通过 CUDA 锁定内存，导致每一次主机到 GPU 的专家复制都由 CPU 驱动，这是该平台下仍被制约的一个环节。目前该帖子仅提供了上述调优结果与平台层面的观察，未报告后续进展。