Strata 0.2.9 → 0.2.11：一次更新检查、升级与性能复核的完整记录

家里那台跑本地模型的机器（RTX 5080 + 126 GB 内存）把 Strata 挂在 systemd 用户级服务上，平时只当个 OpenAI 兼容端点用，根本想不起来升级。这次顺手跑了一下 strata update --check，发现已经落后两个版本 —— 于是有了下面这份完整记录，包括两个踩到的坑和一份"升级到底有没有变快"的对照数据。

查更新：直连超时，换代理才有结果

一、结论先说

组件	升级前	升级后	说明
Strata Terminal	0.2.9	0.2.11	CLI 入口，build 0.1.55 → 0.1.57
engine	0.1.55 `99866a47a2b8`	0.1.57 `0bdcef4682c5`	linux-x86_64 + cuda13 + `sm_120`
control	0.1.55	0.1.57	下载合计 820 MB

三句话概括：

升级本身很干净 —— 自带 test start，起一次引擎答一个 token 再停，失败不会替换旧版本；服务重启后 /health 立刻正常。
性能没变 —— 同协议、同机器、同模型跑了两份标准基准，解码 74–80 tok/s，差异全部落在 2.7% 噪声内。
也没什么可优化的 —— 官方调优器 strata tune auto 判定 already_fastest；0.2.10 起的新 drafter（DFlash2）这台机器吃不到，因为模型家族不在支持名单里。

二、查更新：feed 在 GitHub 上，直连必超时

strata update --check 只读不写：拉取签名过的更新清单（feed），跟本机已装的 packages 比对，告诉你"哪些组件有新版、下载多大、为什么某些包不适用"。

第一次跑，直接失败：

$ strata update --check
{"ok": false, "error": {"code": 6, "message": "the update feed could not be read:
  could not read https://github.com/Niko1221/Strata/releases/latest/download/
  strata-feed.json (URLError: timed out)"}}

feed 挂在 GitHub Releases 的 latest/download 上，国内直连读不到是常态。这台机器本身在局域网里，网关有个 HTTP 代理，带上环境变量就行：

export HTTPS_PROXY=http://10.0.0.2:10082 HTTP_PROXY=http://10.0.0.2:10082
export NO_PROXY=localhost,127.0.0.1,10.0.0.0/8
strata update --check --output json

拿到结果（节选）：

字段	值
feed	`sequence 121` · stable · `2026-11-05T12:11:23Z` · key `5d1bc23abbeffd0d`（内置公钥信任）
engine	0.1.55 → 0.1.57，available，720 MB
control	0.1.55 → 0.1.57，available，100 MB
app	0.2.11，`unknown-installed`（服务器只装 Terminal，没装桌面 App）

feed 里其实有 12 个 engine 包（hip-halo、hip-rx6000、sycl、windows、macos…），--check 会逐个给出排除理由。这台匹配到的是 linux-x86_64-cuda13，硬性条件是 NVIDIA 驱动 ≥ 580.65（本机 595.99）和 sm_120 架构在镜像 archs 列表里。

顺带记一下这两个版本带来什么：0.2.10 把 DFlash2 设为默认 drafter，并新增"一张模型铺满所有卡"的 split engine；0.2.11 支持 Unsloth 在 11-04 重新上传的「Dynamic v3.1」七套 Qwen3.8 文件，还改了 NVIDIA / Radeon 上的 prompt 速度路径。对我这台单卡机器，有用的主要是第一条和第三条。

三、升级：先备份，再让它自己 test start

动手前先把能回滚的东西留下来（本地 552 GB 空闲，备份 720 MB 很划算）：

B=~/strata-backup-20261106-pre0211; mkdir -p $B
cp -a ~/.local/state/strata/launch/iq3_s-256k.json $B/     # 启动参数全在里面
cp -a ~/.config/systemd/user/strata.service $B/
tar -C ~/.local/share/strata -czf $B/components-engine-0.1.55.tar.gz components/engine
tar -C ~/.local/share/strata -czf $B/terminal-0.1.55.tar.gz terminal

然后停服务、升级、起服务：

systemctl --user stop strata
strata update --output json        # 走代理：820 MB 下载 + test start，实测约 2 分钟
systemctl --user start strata

升级输出里这两行最有价值：

"test_start": {"mode": "full", "state": "ready",
               "detail": "started, answered a one-token probe, stopped"}
"exit_code": 0

升级：engine/control 双更新，自带 test start

它的逻辑是：新引擎先真正起一次（用一个已装模型），答一个 token，然后停掉。只有 test start 通过才会把旧版本替换掉，否则保持 0.1.55 原样、报错退出。这比自己"升级完再看能不能起来"可靠得多。

重启后：strata --version 变成 0.2.11 (build 0.1.57)，/health 返回 {"status":"ok","loaded":true}，模型加载 30–45 秒（和 0.1.55 持平）。旧 0.1.55 的 engine 目录还留着，presets_marked: true 也只是把 preset 标记成待复核，启动参数没有变化。

顺手确认了客户端侧：DSH 里那个 strata-local provider 指向 http://10.0.0.60:18500/v1、模型 id 仍是 swift-1.5-iq3_s，升级不需要改任何客户端配置。

四、优化：新 drafter 吃不到，调优器说别动

这部分是这次最有意思的：0.2.10 的头条功能在这台机器上用不了，而官方调优器给出的结论是"别动"。

DFlash2 为什么用不了。 官方在 RTX PRO 5000（同为 sm_120）+ IQ3_S 上量到 +7.88%（greedy）/ +6.23%（短答案采样）的解码提升，我的卡架构一致，看起来应该能吃到。但让 plan 显式指定 drafter：

$ strata launch --plan --preset iq3_s-256k --drafting dflash2
  drafting  MTP (DFlash2 is for Qwen3.8-Flash-Next only)

这台跑的是 swift-1.5-iq3_s —— SC117 那套 abliterated 的 Qwen3.8-Flash-Next IQ3_S 文件，但在 Strata 里注册的家族是 swift，不在 DFlash2 的支持名单（Qwen3.8 / Unsloth / Gyro）。所以 drafting 虽然已经设成 auto，实际仍加载 MTP（日志里 strata mtp: draft layer loaded, 837 MiB of VRAM）。想吃这份收益只能换模型文件，但那就丢掉现在这套 abliterated 的行为，不值当，先记着。

官方调优器跑了一遍。 strata tune auto 的做法是：先测当前配置，再对单个旋钮做交错对照组，只保留超过噪声的收益，保存成命名 preset。quick 模式 5.3 分钟，结果：

{"outcome": "default_confirmed", "code": "already_fastest",
 "gain_decode_pct": 0.0, "base_tok_s": 94.8, "tuned_tok_s": 94.8, "noise_pct": 2.7,
 "message": "Your current settings are already the fastest we found."}

细节值得看：

项	值
基线 / 结论	94.8 tok/s → 94.8 tok/s（0.0%），A/A 复现对 94.8 vs 92.3，噪声 2.7%
prompt 处理	1892.7 tok/s（4K 冷）、4340.8 tok/s（16K 长提示）
试过的候选	只有 `--kv-resident 65536`：慢 8.5%，round 1 丢弃
因"可能改变答案"跳过	2 个 expert-cache 微调候选（没开 `--allow-small-differences`）
资源占用	显存 15394 MiB，RSS 峰值 82.5 GiB

DFlash2 不适用 + 调优器结论

也就是说 --spec 4 --spec-min-p 0.5 --prefill 32768 --kv-resident 32768 --pool-workers 9 这套现参数仍在最优区间 —— 这本身就是一个有用的结论，省得以后再翻来覆去怀疑是不是没调好。

五、复核：同协议两次基准

只看调优器的短提示数字不够，还是要用官方标准套件对一遍。strata bench run 默认 standard-v1：1 次预热 + 3 组短/4K/16K 提示 + 12 项 sanity 检查，约 2 分钟，请求走本机 loopback，缓存干扰由每次唯一的提示前缀排除。

standard-v1 基准与 11-05 基线对比

用例	0.1.55（11-05）	0.1.57（11-06）	变化
short 解码 tok/s	75.6 (70.9–78.5)	74.0 (72.0–79.1)	−2.1%
prompt-4k 解码	77.8 (75.8–81.2)	79.5 (79.4–81.6)	+2.2%
prompt-16k 解码	79.4 (75.5–82.3)	77.1 (75.1–78.6)	−2.9%
prompt-4k 提示处理	1780.0	1779.8	~0
prompt-16k 提示处理	4235.5	4240.1	~0
TTFT（4K / 16K）	2.33 s / 3.90 s	2.33 s / 3.90 s	0
sanity 检查	12/12	12/12	一致

三个用例的差值方向都不一样、幅度都在 2.9% 以内，而调优器实测的 A/A 噪声就是 2.7% —— 说明 0.1.57 对这套 IQ3_S + MTP 配置没有速度变化。想看到变化，得换 drafter 或换量化，光升引擎是不够的。

六、回滚与后续

回滚路径很短（旧 engine 目录还在，control 和 terminal 有 tar 备份）：

systemctl --user stop strata
rm -rf ~/.local/share/strata/components/engine/0.1.57-linux-x86_64-cuda-cuda13
tar -C ~/.local/share/strata -xzf ~/strata-backup-20261106-pre0211/terminal-0.1.55.tar.gz
tar -C ~/.local/share/strata -xzf ~/strata-backup-20261106-pre0211/components-engine-0.1.55.tar.gz
systemctl --user start strata

后续真正值得试的只有一条：换到 Qwen3.8 家族的文件（Unsloth Dynamic v3.1）以启用 DFlash2。代价是重新下载 60–95 GB（UD-IQ2_XS 75.8 GB / UD-IQ3_XXS 83.6 GB），并且放弃现在这套 abliterated 的说话方式。要不要换，等哪天有闲再说。

七、这次记住的几件事

feed 读不到 ≠ 没有更新。报 URLError: timed out 只是网络问题，换代理或把 feed 下到本地用 --feed 指过去都行。
strata update 的 test start 是有意义的。它是"起引擎 + 答一个 token + 停"的全量验证，失败就不替换，所以升级期间服务短暂停一下是安全的。
already_fastest 也是结论。跑一次调优器把"当前参数是否最优"钉死，比每次觉得慢就手动改参数强。
版本号变了要顺手同步。这台机器除了给 DSH 供模型，还被我写进了 zwbcc.cn 首页的「跑模型的机器」一栏 —— 那栏原来写着 Strata 0.2.9，这次一起改成了 0.2.11（顺带把当天做的赛博朋克俄罗斯方块挂上了作品集，zwbcc.cn/tetris）。

环境：Ubuntu 24.04.5 / 内核 6.8.0-147 / NVIDIA 595.99.02 / CUDA 13.2 / Strata 0.2.11（engine + control 0.1.57）/ 模型 swift-1.5-iq3_s（IQ3_S，256K 上下文，MTP drafter，1 slot）

折腾笔记