5070＋64GB 本地跑 Strata：Flash Next 的 IQ3_S 和 Q4，体验差多少？

RTX 5070 的 12GB 显存，加上 64GB 内存，本地跑 Strata 和 Flash Next，到底能不能真正干活？这期结合我的日常使用和几个小测试，聊聊 IQ3_S 与 Q4 的效果差异、中途停止、SSD 读取和散热压力，以及 Pi Agent 驱动另一台 3060 的工作方式。 DeepSeek 目前不太适合我这套配置和用途。我会继续测试 Flash Next 的不同量化，以及 Strata 支持的其他模型和版本，找一个能力、稳定性和资源占用更均衡的选择。 本地大模型，能加载起来，不等于用起来舒服。 这期用我的 RTX 5070 12GB＋64GB DDR5 内存＋PCIe 4.0 SSD，分享 Strata 本地部署 Qwen3.8-Flash-Next 的实际体验。重点不是追逐最大的模型，而是在现有硬件上，找到真正能持续干活的配置。 视频里主要聊这些： Flash Next 的 IQ3_S 和 Q4：几个生成与编程小测试里，我看到了哪些效果差异。 我在 IQ3_S 使用中遇到的中途停止，以及结束标记、continue 和 watchdog 的处理思路。 Q4 在我这台机器上的资源压力：不只看显存，也要看系统内存、SSD 读取和散热。 长上下文、压缩，以及本地 Pi Agent 的日常工作体验。 5070 负责模型与调度，另一台 3060 执行转写、解码和视频处理的分工。 为什么我暂时不继续测试本地 DeepSeek，以及接下来想尝试的量化和版本。 对我来说，当前本地 DeepSeek 方案与这套硬件、我的工作节奏不太匹配。这不是说 DeepSeek 模型本身不好，也不是一次完整的 DeepSeek 本地实测结论；只是我现阶段的选择。接下来我会继续围绕 Flash Next 和 Strata 支持的其他模型、量化及版本做测试。 说明：这是个人使用记录，不是统一提示词、上下文和参数下的严格横向跑分。视频中的速度读数、效果与稳定性观察，只代表相应片段和当时的使用条件；不能据此给量化版本标一个固定的能力差距百分比，也不能直接把中途停止归因于量化本身。 封面中的硬件为 AI 生成示意，不是我的电脑实拍。 #Strata #本地AI #FlashNext