一张二手 3090 跑 Qwen3.8-Flash-Next：速度接近官方 API 两倍，配置清单一次给全

本地跑 Qwen3.8-Flash-Next，一张二手 RTX 3090 就能跑出接近官方 API 两倍的速度。速度从哪来、配置怎么配，核心就这几件事。

速度怎么来的

MoE 加专家卸载：Strata 把热门专家放显存，其余放内存，命中率 93-96%，大部分 token 不用全量跑。MTP 投机解码一次猜 4 个 token 再验证，接受率高，直接加速。框架优化：Strata 0.2.3 针对 3090（sm_86）做了专门优化，再快约 9%。内存充足是前提，专家没被挤到 SSD，带宽才不拖后腿。

关键配置清单

显卡：RTX 3090 24GB ×1，显存实际占用约 22.5GB。内存：≥96GB，推荐 128GB，实际占用 62-70GB。64GB 装不下，部分专家读 SSD，速度直接腰斩到约 55 tok/s。硬盘：NVMe，留 100GB 空间，模型约 94GB。框架：Strata 0.2.3，OpenAI 兼容接口，MTP 开 4。量化：内存够优先 UD-IQ4_XS，内存紧张选 IQ3_XXS。

内存不够时，改用 IQ3_XXS，准确率 92.8%，速度仍约 102 tok/s。内存够就用 IQ4，内存不够就降到 IQ3_XXS，一张 3090 就能把速度和可用性同时拉满。