评测
从实际设备出发，记录模型部署、性能表现、测试条件与复现证据。
这些评测怎么读
先看测试环境与适用条件，再看结果、失败记录和复现材料。结论会标明条件与限制，便于你判断是否适用于自己的设备。
实测记录
6G显存笔记本跑125B：Strata每秒28–34个token，llama.cpp约12个，但Strata差点跑不起来
RTX 3060 笔记本 6GB 显存 + 64GB 内存，跑 125B 的 Qwen3.8 Flash Next（Q2_0）。Strata 聊天每秒 28–34 个 token，是 llama.cpp 的两倍多，4K 文档首字快一倍；但默认配置差 383MiB 显存起不来，关掉草稿层后只能开 8K 上下文。llama.cpp 慢，但 32K 照样跑。
阅读正文编程智能体开口前要先读多少字？pi 1.4k、Codex 6.4k、Claude Code 15.8k tokens
从 llama-server 日志里读出三个智能体第一次请求的提示词长度和处理耗时。在 6GB 笔记本上，光读提示词，Claude Code 就比 pi 慢 8.6 倍。
阅读正文同一个本地模型，pi 12/12、Claude Code 7/12：6GB 显卡实测三个编程智能体
LFM2.5-24B 和 Qwen3.6-35B 跑在 6GB 笔记本的 llama.cpp 上，分别接 pi、Codex、Claude Code 做三道题。pi 全过且最快；Codex 全过但工具参数错了 12 次；Claude Code 系统提示词吃掉半个上下文，还出现“说做完了、目录是空的”。
阅读正文Qwen-Image 2.1 在 6GB 显卡上写中文：同一句话，换个写法，文字正确率从 1/6 到 6/6
INT8 权重加 CPU 卸载，RTX 3060 Laptop 6GB 上 17 次生成全部成功，1024×1024 一张约 3 分钟。目标文字完全相同时，只给文案的写法严格通过 1/6，写清楚行次和边界的写法 6/6。
阅读正文6G 显存笔记本跑 24B：改 -ncmoe，三道真题全对
在 RTX 3060 Laptop（6GB）+ 64GB 内存上，Liquid AI LFM2.5-24B-A2B（Q4_0）可以本地跑通。默认 -ncmoe 40 约 1.3GB 显存；改成 30 后端到端更快，三道真题仍全对——包括 35B 做错的那道算账题。代价是思考链关不掉。
阅读正文APEX＋MTP 实测：6GB 笔记本生成提速中位 39%，代价是什么？
同一份权重，打开 MTP 后，12 道同题生成速度比值的中位数提高约 39%，显存峰值中位数增加约 688MiB。设备是 RTX 3060 Laptop 6GB、64GB 内存；答案变化和长文检索退步也保留在结果里。
阅读正文Spark-X2.5-4B 实测：6GB 笔记本上，谁能更快把事做对？
同一台 6GB 显存的笔记本上，Spark-X2.5-4B 完整装进显存，Qwen3.6-35B-A3B 靠系统内存运行。72 个正式 run 之后，快和准落在了不同地方：主任务 Spark 快几十倍，24 道题却是 Qwen 通过得更多。
阅读正文6GB 显卡生成诗词海报：单张约 4 分钟，16 张里 8 张文字未过
在 6 GB 显存的笔记本 GPU 上，Qwen-Image 2.1 能把诗句、场景和人物画进同一张图；限制它的是文字准确率，16 张里只有 8 张文字完全正确。
阅读正文6GB 显存也能跑世界模型，而且能出片
在 6 GB 显存的笔记本 GPU 上，1.3B 的世界模型能跑出成片。代价是时间：不到 1 秒的画面要生成十多分钟，镜头也还不太听话。
阅读正文6GB 显存跑 35B MoE？真正撑场的是 64GB 内存
在系统内存充足的条件下，6 GB 显存可以支持 35B 级 MoE 模型达到实际可用状态。
阅读正文