English · 简体中文 · 日本語 · Deutsch · Français · Español · Português
Compatible con NVIDIA, AMD, Intel · Windows, Linux, Mac · libre y de código abierto
Un jardín con una pagoda de vóxeles, hecho con un solo prompt en una RTX 5070 con Strata (IQ3_S, contexto de 128K) ·
vídeo completo (49 s)
Instalación · Modelos · Velocidad · Uso · Cómo funciona · Ayuda · Apoyar
Strata ejecuta Qwen3.8-Flash-Next, un modelo de 125 mil millones de parámetros que normalmente necesita un servidor, en un PC normal. Desde 0.2.4 también ejecuta DeepSeek V4.1-Flash en la Terminal. Conversa, escribe código, lee imágenes y funciona con tus aplicaciones y tus agentes de programación. Tus chats y tus archivos se quedan en tu PC.
- Funciona en un PC gaming. Con 32 GB entre RAM y memoria gráfica ya puedes empezar.
- Funciona con tus herramientas. Claude Code, Codex CLI, OpenCode y otros agentes se conectan por las API de OpenAI y de Anthropic.
- Lee imágenes, activado por defecto.
- Gratis y privado. Licencia MIT, sin cuenta, sin nube, sin telemetría (qué descarga y cuándo).
Necesitas al menos 32 GB de memoria: RAM y memoria gráfica (VRAM) juntas. En un Mac o un Ryzen AI Max, es la memoria unificada. Un PC de 32 GB con una tarjeta de 12 a 16 GB ejecuta los tamaños más pequeños, y con 64 GB funcionan todos los tamaños.
| Funciona en | Guía |
|---|---|
| NVIDIA GeForce RTX serie 20, 30, 40 y 50, 12 GB o más | Instalación |
| AMD Radeon RX 6800 y posteriores, Radeon AI PRO R9700 | Tarjetas AMD |
| Intel Arc | Intel Arc |
| Mac con Apple Silicon, M1 o posterior, macOS 15 o posterior | Mac |
| AMD Ryzen AI Max (Strix Halo) y otros PC con memoria unificada | Strix Halo |
| Tarjetas y procesadores antiguos | GPU antiguas |
También necesitas unos 80 GB de disco libre (un SSD), Windows 10 / 11, Linux o macOS, y un controlador gráfico actual. Dos o tres tarjetas de la misma marca pueden compartir un modelo (multi-GPU).
Descarga el archivo para tu ordenador, ábrelo y pulsa Instalar en el modelo que recomienda.
Windows 10 / 11
Linux
Mac (Apple Silicon, macOS 15 o posterior)
¿Tu controlador NVIDIA es anterior a 580 (nvidia-smi lo muestra)? Elige el archivo para controlador antiguo. Una tarjeta
AMD RX 6000 usa el archivo de RX 7000, que busca solo el motor correcto. Todos los archivos están en la
página de versiones.
| Primer arranque | Qué hacer |
|---|---|
| Windows | Ejecuta el .exe. No necesita permisos de administrador. Si Windows muestra "Windows protegió tu PC", elige Más información y luego Ejecutar de todas formas. |
| Linux | Haz el archivo ejecutable (chmod +x) y lánzalo. Necesita FUSE 2: sudo apt install libfuse2t64 (Ubuntu 24.04 y posteriores) o libfuse2 (22.04). |
| Mac | Abre el .dmg y arrastra Strata a Aplicaciones. |
La descarga del modelo es grande (40-70 GB). Si se detiene, continúa donde se quedó.
El comando strata, para scripts, servidores y agentes de IA. Es también la forma de ejecutar DeepSeek.
Linux y Mac:
curl -fsSL https://github.com/Niko1221/Strata/releases/latest/download/install.sh -o install.sh && sh install.shWindows (PowerShell):
irm https://github.com/Niko1221/Strata/releases/latest/download/install.ps1 | iexDespués arráncalo. Te hace una pregunta cada vez (modelo, contexto, imágenes, quién puede conectarse), descarga lo que necesita y empieza a servir:
strata launchNo necesita permisos de administrador. La instalación comprueba el SHA-256 de todo lo que descarga. En Windows, abre una ventana de terminal nueva después de la instalación. Todas las pantallas y opciones: docs/TERMINAL_LAUNCH.md.
Pega esto en Claude Code, Cursor, Codex, GitHub Copilot u otro asistente de programación:
Set up Strata on this PC for me: https://github.com/Niko1221/Strata - follow docs/AI_SETUP.md in that repository.
El asistente revisa tu tarjeta gráfica, tu RAM y tu disco, elige el modelo adecuado, lo instala y lo arranca, y te explica cómo conectar tus aplicaciones. Las herramientas de IA también pueden instalar, arrancar y detener Strata mediante su servidor MCP.
¿Prefieres compilarlo tú? Mira Compilar desde el código fuente.
La aplicación y strata launch recomiendan un tamaño según tu memoria. Los tamaños pequeños son más rápidos. Los grandes
son algo más inteligentes.
Gyro de agentionai es la forma más pequeña de ejecutar Qwen3.8-Flash-Next. Funciona en NVIDIA, AMD, Intel Arc y Apple Silicon.
| Tamaño | Memoria que necesita (RAM + VRAM) | Descarga | Para qué sirve |
|---|---|---|---|
| Gyro-S | 27,6 GB | 58,5 GB | PC donde no cabe nada más. 9 tokens/s en un Mac mini de 32 GB. |
| Gyro-M | 35 GB | 92,0 GB | Calidad parecida a IQ3_XXS con un 20 % menos de memoria de GPU. |
Arráncalo con strata launch --model gyro-s. Detalles: docs/GYRO.md.
| Tu memoria (RAM + VRAM) | Elige | Por qué |
|---|---|---|
| 32 GB | Gyro-S, o el Coder para código | El Coder conserva los expertos que usa el código |
| 40 GB | Swift 1.5 IQ2_XS (39,2 GB) o Gyro-M | Swift piensa menos tiempo antes de responder |
| 48 GB | IQ3_XXS (47,0 GB) | Más lento, mejor |
| 64 GB | IQ3_S (54,8 GB) | Iguala al modelo completo en las pruebas publicadas |
| 96 GB o más | UD-IQ4_XS hasta Q8_0 de Unsloth | Lo más cerca del modelo completo |
Con menos RAM de la que indica una fila también puede funcionar, solo que más lento: Strata pasa solo a su modo de poca RAM. También hay: NVFP4 para tarjetas NVIDIA, Qwen3.6-35B-A3B (más pequeño, varias peticiones a la vez) y el Uncensored IQ3_XXS de OrcaRouter. Todos los tamaños y lo que cabe en cada equipo: docs/MODELS.md.
Un modelo mucho más grande que funciona con una sola tarjeta gráfica de 12 GB y de 46 a 64 GB de RAM. Strata mantiene en
memoria las partes más usadas y lee el resto de tu SSD. ISTA-DASLab
hizo los conjuntos. Funciona en tarjetas NVIDIA RTX de las series 30 a 50 y en la Radeon AI PRO R9700. Elígelo en
strata launch. La aplicación de escritorio todavía no lo ofrece.
| Conjunto | Descarga | Calidad | Escribe código a |
|---|---|---|---|
| IQ1_M (1,75 bits) | 239 GB | El más pequeño, más débil con prosa sencilla | aún sin medir en un PC |
| IQ2_XXS (2.00 bits) | 257 GB | Buen equilibrio | 10 tokens/s (RTX 3060), 5 (RTX 5070), 48 (4x R9700) |
| IQ2_XS (2.25 bits) | 274 GB | Lo más cerca del original | 15 tokens/s (una R9700), 80 (4x R9700) |
| IQ4_NL (tabla Engram) | incluida en cada descarga de arriba | La tabla de consulta que comparten los tres conjuntos |
Arráncalo con strata launch --model ist-das-2.00bpw (o ist-das-1.75bpw, ist-das-2.25bpw). Cifras de calidad,
velocidades por PC e instalación manual: docs/DEEPSEEK41.md.
Medido con una tarjeta gráfica de 12 GB (RTX 5070, 64 GB de RAM). Resultados con otras tarjetas: velocidad de cada tamaño y resultados de la comunidad.
| Modelo | Las respuestas aparecen a | Lee tu prompt a |
|---|---|---|
| Q2_0 | ████████████ 94 tokens/s |
████████████ 2.650 tokens/s |
| IQ2_XS | ██████████░░ 79 tokens/s |
█████████░░░ 2.090 tokens/s |
| IQ3_XXS | ████████░░░░ 62 tokens/s |
████████░░░░ 1.750 tokens/s |
| IQ3_S | ███████░░░░░ 53 tokens/s |
███████░░░░░ 1.620 tokens/s |
| Coder | ███████░░░░░ 55 tokens/s |
██████████░░ 2.180 tokens/s |
Con una tarjeta AMD de 16 GB (RX 9070 XT, 47 GB de RAM):
| Modelo | Las respuestas aparecen a | Lee tu prompt a |
|---|---|---|
| Q2_0 | ████████░░░░ 60 tokens/s |
█████░░░░░░░ 1.160 tokens/s |
| IQ2_XS | ███████░░░░░ 52 tokens/s |
█████░░░░░░░ 1.110 tokens/s |
| Coder | ██████░░░░░░ 44 tokens/s |
██████░░░░░░ 1.420 tokens/s |
Un token equivale a unos ¾ de palabra, así que 60 tokens por segundo es más rápido de lo que puedes leer. "Lee tu prompt" es lo rápido que Strata procesa un documento largo, código o un historial de chat.
Un chat, un Monitor del modelo y de tu GPU, CPU y RAM, una página de Modelos y los Ajustes. El chat puede trabajar en una carpeta de tu PC. En modo Manual pregunta antes de cambiar un archivo o ejecutar un comando. Puede buscar en la web (DuckDuckGo o Bing, sin cuenta). Las palabras que buscas son lo único que sale de tu PC.
El agente escribió un jardín con una pagoda de vóxeles en un solo archivo HTML, y la página se abre en la vista previa junto al chat
strata monitor mientras el modelo responde: velocidad, GPU, memoria y las últimas solicitudes
strata launch # guided: model, context, pictures, access, then serve
strata launch --model q2_0 --yes --no-tui # no questions: serve and print the address
strata launch --status # what is being served now
strata launch --stop # stop it
strata monitor # watch speed, GPU, memory and requests
strata update # get the newest engine
strata doctor # check the installed filesPara llegar a Strata desde tu móvil u otro PC, usa strata launch --access lan. Crea una clave de API para ti.
strata --help lo lista todo, y docs/TERMINAL.md lo explica.
Un agente instala Strata con el comando de una línea de arriba y ejecuta strata launch --model NAME --yes --no-tui. Los
pasos, las opciones y los códigos de salida están en docs/AI_SETUP.md. Las reglas del repositorio para agentes: AGENTS.md.
| Tu aplicación habla | URL base |
|---|---|
| API de OpenAI (la mayoría de aplicaciones y agentes) | http://127.0.0.1:8080/v1 (cualquier clave de API, cualquier nombre de modelo) |
| API de Anthropic (Claude Code) | http://127.0.0.1:8080, sin /v1. Claude Code: ANTHROPIC_BASE_URL=http://127.0.0.1:8080 |
| API OpenAI Responses (Codex CLI) | http://127.0.0.1:8080/v1/responses (configuración) |
strata connect muestra los ajustes exactos para OpenCode, Codex CLI, Claude Code, oh-my-pi, pi, Hermes Agent y OpenClaw,
y strata connect opencode --write los escribe por ti (con una copia de seguridad).
- Las imágenes vienen activadas en todos los modelos que pueden leerlas. Adjunta o pega una imagen en el chat, o envíala desde tu aplicación. Detalles: docs/IMAGES.md.
- El razonamiento puede estar desactivado, bajo, medio o alto, en el menú del chat o en "reasoning effort" de tu aplicación. Desactivado es lo más rápido.
- El primer mensaje de un chat se lee entero, unos 1 minuto por cada 30.000 tokens. Los mensajes siguientes empiezan en segundos.
- Una petición a la vez es lo normal. Para varias, usa
--parallel N(BATCHING.md). En una tarjeta de 12 GB, esto hace más lenta cada respuesta.
Windows, Linux y Mac desde el repositorio
Descarga Strata y descomprímelo, o haz git clone.
Windows: haz doble clic en START-HERE.bat. Linux: ejecuta ./setup.sh en la carpeta de Strata.
Mac (Apple Silicon, macOS 15 o posterior): instala una vez las Command Line Tools de Apple con xcode-select --install
(no hace falta Xcode). Abre la Terminal en la carpeta de Strata y ejecuta ./setup.sh. El script compila el motor para Mac
en tu Mac (unos 7 minutos), hace las mismas preguntas, descarga el modelo y lo arranca. La próxima vez, ./setup.sh lo
arranca enseguida. Qué tamaño cabe en tu Mac: docs/MAC.md.
El instalador detecta tu tarjeta y prepara el motor adecuado. Pregunta qué modelo y qué tamaño quieres, cuánto contexto
(cuánto texto mantiene el modelo en mente) y si debe leer imágenes. Pulsa Enter para aceptar la respuesta recomendada.
Luego descarga el modelo (unos 70 GB) y lo arranca. Si la descarga se detiene, vuelve a ejecutar el script y continúa. Tu
navegador abre la página de Strata en http://127.0.0.1:8080.
Mientras el modelo arranca, tu PC puede ir lento o dejar de responder durante 1-3 minutos (más tiempo la primera vez). Strata carga 35-55 GB en tu RAM y bloquea una parte para la tarjeta gráfica. Espera y no cierres la ventana.
La próxima vez, ejecuta de nuevo START-HERE.bat (o ./setup.sh). Arranca enseguida y no descarga nada dos veces. Cierra
su ventana para detener el modelo. UPDATE.bat (./update.sh) actualiza Strata sin arrancarlo. Actualización, Docker,
varias tarjetas, dónde van los archivos y todas las opciones: docs/INSTALL.md.
Para medir tu PC, ejecuta BENCH.bat (./bench.sh). Tarda 5-10 minutos y escribe un informe que puedes compartir
(cómo).
Opcional: más velocidad en una tarjeta cuando todo el modelo cabe en la RAM. Dos ajustes que se activan a mano, de
RubenTorney (#1904, #1905). Ayudan cuando usas una sola tarjeta gráfica y tu RAM guarda todos los expertos, por ejemplo con
Q2_0 o IQ3_XXS en un PC de 64 GB. Abre strata-<model>.json en la carpeta de datos de Strata (dónde) y añade:
"--adapt-async", "1"a la lista"args". Así la caché de expertos se actualiza en un hilo auxiliar en vez de detener la respuesta. Medido en una RTX 5070 (Windows, Q2_0): +4-5 % en decodificación, +7-10 % en código y documentos largos. Las respuestas pueden diferir un poco de las del ajuste por defecto y son iguales de una ejecución a otra."STRATA_PIN_BY_NEED": "1"en el bloque"env"(Windows). Windows solo puede bloquear aproximadamente la mitad de la RAM para la tarjeta gráfica, y este ajuste bloquea primero los expertos que la tarjeta necesita antes. Medido en la RTX 5070: +4,4 % en lectura del prompt.
"args": [ ..., "--adapt-async", "1" ],
"env": { "STRATA_PIN_BY_NEED": "1" }Reinicia Strata después del cambio. Para deshacerlo, quita las dos entradas.
Los modelos como este suelen ejecutarse en servidores con cientos de gigabytes de memoria gráfica. Tu tarjeta gráfica tiene 12-24 GB. Strata hace que el modelo quepa repartiendo el trabajo por todo tu PC. Imagina una biblioteca.
- El modelo es un equipo de 24.576 pequeños especialistas ("expertos"), como 24.576 libros de consulta. Cada palabra necesita solo 10 de ellos.
- Tu tarjeta gráfica es el escritorio. Es pequeño y rápido. Los unos 4.000 libros que más se usan están abiertos encima.
- Tu RAM son las estanterías de la sala de lectura. Los 24.576 libros están ahí. Cuando una palabra necesita un libro que no está en el escritorio, tu procesador lo coge enseguida de la estantería mientras la tarjeta sigue trabajando.
- Tu SSD es el archivo. Guarda una tabla de consulta de 29 GB. El modelo lee unas pocas filas por palabra, así que no hace falta que esté en la RAM.
Un pequeño ayudante también adivina las siguientes palabras. El modelo grande las comprueba todas a la vez y se queda con las correctas. Obtienes la misma respuesta, entre 1,6 y 1,8 veces antes. Los textos largos se leen en trozos grandes, de hasta 8.192 tokens a la vez, a más de 1.000 tokens por segundo.
La explicación más larga: docs/HOW_IT_WORKS.md. Cada parte con sus cifras: los detalles y el artículo.
- Mi PC se congeló la primera vez que arrancó Strata. Carga el modelo en la RAM. Espera y no cierres la ventana. ¿Sigue congelado después de 10 minutos? Reinicia el PC, cierra otros programas e inténtalo de nuevo, o elige un tamaño más pequeño.
- Se detuvo durante la descarga o la instalación. Abre de nuevo la aplicación o
strata launch. Continúa donde se quedó. - Va muy lento, o dice "the engine stopped unexpectedly". Tu PC no tiene bastante RAM libre. Cierra otros programas (los navegadores gastan mucha) o elige un tamaño más pequeño, como Q2_0 o IQ2_XS.
- Dice que no hay motor para este PC. En la aplicación, abre Ajustes, Motor y pulsa Actualizar motor. En la
Terminal, ejecuta
strata update. - Dice que el puerto 8080 ya está en uso. Strata ya se está ejecutando. Busca su ventana.
Más soluciones: docs/TROUBLESHOOTING.md. ¿Sigues atascado? Abre una
incidencia y adjunta los registros: en la aplicación desde Ajustes, Motor,
Diagnóstico, Guardar registros, en la Terminal la salida de strata doctor. Para un problema de seguridad, avísanos en
privado: SECURITY.md.
El modelo es Qwen3.8-Flash-Next, del equipo de Qwen. Lo comprimieron ISTA-DASLab, UkisAI (Swift 1.5), agentionai (Gyro) y Unsloth. ISTA-DASLab hizo también los conjuntos de DeepSeek V4.1-Flash. Strata usa partes de llama.cpp / ggml. Todos los créditos: docs/HOW_IT_WORKS.md. Strata es de código abierto con la licencia MIT. Algunas partes y todos los modelos tienen sus propias licencias (cuáles).
¿Has encontrado un error, o quieres enviar un cambio o un benchmark? Lee primero CONTRIBUTING.md. Explica qué incluir para que otros puedan comprobar tu trabajo.
Strata es gratis y tiene licencia MIT. Lo construyo y lo pruebo en el hardware que consigo. Si te funciona bien en tu PC, un café me ayuda a seguir probando tarjetas nuevas y a arreglar lo que nos cuentas. Sin presión. Usarlo y contar lo que encuentras ayuda igual de mucho.
¿Te interesa patrocinar Strata? Escríbeme a través de GitHub.