有没有人装过 Strata + Qwen3.8-Flash-Next 125b？我遇到的问题是在 workbuddy 里一直超时。

我也在尝试把 Starta 接入 codex 里用，发现 codex 里它不知道在哪执行的工具调用，思维链也不展示，一阵 thinking 之后直接告诉我在沙箱里什么也执行不了就退出了，给我整的一脸懵，现在在等官方支持 codex

非要用 workbuddy 干什么？

有可能是量化的问题？

试试用 pi 或 omp 呢，适配得挺好的

很可能是 wb 的问题，wb 还是有些私活，我把我的 codex 放 cpa 给朋友们用，朋友们发现不能生图，模型回复已经画好了，但是客户端看没有。分析了 wb 的文件之后发现它的生图只能走自己的渠道，其他渠道返回回来的图片直接静默丢弃。
我通过 cpa 然后放在 dsh 里用，完全没问题。5070ti+64G 内存，跑 iq3_s 能有 40+ tps 。

我也接到 wb 用，正常的啊

我 2080ti 22gb 跑的都能勉强用。IQ2_XS ，60 左右的 tok/s

这项目牛逼了，ddr3 的电脑 16G VRAM 跑 IQ3_XXS （ IQ2 估计降智严重），100k 上下文，稳定 40t/s 。 把本地的 Qwen3.6-35B-A3B 换了。

先别在 workbuddy 里调，直接用 curl 打那个 OpenAI 兼容口，喂同一份长上下文，只看两件事：第一个 token 多久到、流有没有中途停。1 ）超时多半来自前者：125B 在 A6000 上还吃内存分层，prefill 很慢，拿引擎报的 prefill t/s 除一下上下文长度，几十秒不奇怪；而不少编排层的超时算的是整轮请求的墙钟（默认常见 60s ），不管你是不是在流式输出。把上下文砍到 4k 试一次，立刻好就是超时预算的问题，不是模型崩。2“调 tools 有概率崩”和“某位置必崩”不是一回事：工具调用是模型吐 JSON 、客户端自己拼流式 delta ，拼歪或者停在半个对象上客户端不会报错，只是一直等，看起来就是超时。先看原始响应的 finish_reason 和 tool_calls 有没有闭合。我做自托管 agent （ openmuse-standalone ，我是开发者）时把每步事件先落到自己的库再推前端，读的一方设“多久没新事件算断”而不是“多久没跑完算断”，这类假死好定位很多。