Hecho central (04/10/2026). Strata (repositorio Niko1221/Strata, MIT, creado 24/09/2026) lanzó v0.1.39 (12:32 UTC). Es un motor construido para un solo modelo — Qwen3.8-Flash-Next (125B MoE, ~6B activos por token) — en lugar de un runtime general como llama.cpp.
En la prueba independiente de Kartikey Chauhan (Strata on an RTX 4070, 03/10/2026; resumido en Startup Fortune, 04/10/2026), sobre el mismo PC (i5-12600K, RTX 4070 12 GB, 64 GB DDR5, contexto 60k, cuantización IQ3_XXS), Strata decodifica a 53,2 tok/s (prefill 2.013 tok/s, caché expertos 73,8%) frente a 27,1 tok/s del mejor llama.cpp afinado con MTP + NVMe prefetch (~2x) y 20,8 tok/s de llama.cpp upstream (~2,6x). Otra medición independiente (Strata Gaming GPU, 04/10/2026) confirma 53,2 tok/s Strata vs 27,1 tok/s llama.cpp en RTX 4070.
Qué trae v0.1.39 (changelog oficial)
- Decodificación más rápida (#646): paso de verificación con -5 a -7% de lanzamientos y viajes al host; byte-idéntico con 0.1.38 (10/10 en Q2_0, IQ3_XXS, IQ3_S y Coder, caché fija). RTX 5070: Q2_0 68,4→72,7 tok/s (story), 75,8→80,0 (code); IQ3_XXS 46,1→48,8 / 50,7→51,9 (release).
- Prompts largos (#583, por defecto): +18,5% con 32K prompts (IQ3_XXS, caché 1.500 slots); calidad en la misma banda (KL 0,020 vs 0,019; top-1 95,3% vs 95,0%).
- Caché conversación en host-RAM (#465 / v0.1.30): evita la evicción mutua que sufre llama.cpp (pre-fill de ~15 s a ~2,2 s con dos conversaciones; ver análisis, 01/10/2026).
- API OpenAI Responses (#451): Codex CLI funciona con Strata (v0.160.0, loop de herramientas); turnos reutilizan ~96% del caché. Sin previous_response_id ni herramientas alojadas.
- Multi-GPU (opt-in): dual RTX 4090 +63% texto, +132% código; 4× RTX 3060 +10 a +28% prompts (release).
- Hardware ampliado (experimental): NVIDIA Pascal/Volta (CUDA 12.9); AMD gfx906/gfx1012; Intel Arc (SYCL, compilado, no probado en hardware real); CPUs sin AVX2 (AVX1 11-17 tok/s, SSE4.2 3,5-3,8). Todo byte-idéntico al motor CUDA 13 (release).
Fabricante vs independiente
Fabricante (changelog 0.1.39): decode +5-7%, byte-idéntico con 0.1.38; RTX 5070: Q2_0 68,4→72,7 tok/s, IQ3_XXS 46,1→48,8. Independiente (Chauhan, 03/10, RTX 4070, IQ3_XXS, 60k): 53,2 tok/s Strata vs 27,1 tok/s llama.cpp afinado (~2x) y 20,8 tok/s upstream master (~2,6x); método detallado en carteakey.dev. Las cifras de llama.cpp corresponden al mismo modelo (GGUF Qwen3.8-Flash-Next).
Categoría harness: runtime MIT específico para Qwen3.8-Flash-Next; supera a llama.cpp en su nicho renunciando a generalidad (Chauhan, 30/09).
Argentina/LATAM: sin cobertura local específica; referencia útil: repo MIT (github.com/niko1221/strata), requisitos mínimos NVIDIA RTX 20-50 / AMD RX 7900-9070 / Intel Arc (experimental), 32 GB RAM, 12 GB VRAM.
Nota editorial: datos del changelog (fabricante) y Chauhan (independiente, 03/10, v0.1.30-0.1.36) corresponden a Qwen3.8-Flash-Next (125B MoE, ~6B activos); otras cuantizaciones o hardware no probado pueden diferir.



