把 Strata+qwen3.8-flash-next-unsloth-ud-q4_k_xl 接进 Claude Code的五个坑

wml-ai

把 Strata+qwen3.8-flash-next-unsloth-ud-q4_k_xl 模型（262,144 上下文），通过 CC Switch 接进 Claude Code 当日常 coding 的模型。

连通本身没什么难度，claude -p 第一次就出结果。麻烦全在后面，一个坑接一个坑。

五个坑里四个是上下文的问题。下面按踩到的顺序记。

接入

Claude Code 插件通过 CC Switch 接入：

字段	值
请求地址	`http://<推理机>:18090`，只填基址，不带路径
上游格式	Anthropic Messages（原生）
认证字段	ANTHROPIC_AUTH_TOKEN（默认）

坑 1：「获取模型列表」失败，可以无视

点那个按钮一直失败。为了确认是客户端还是服务端的问题，DSH在本机起了个探针服务，把地址指过去：

获取模型列表失败

探针一条记录都没收到。查数据库、应用日志、活动连接，结论一致：那个按钮根本没发出 HTTP 请求，在客户端就失败了。

它只是个自动填模型名的便利功能。Strata 不校验模型名，手填 qwen3.8-flash-next-unsloth-ud-q4_k_xl 直接保存就行。在这个按钮上耗掉的时间，比全篇其他坑加起来还多。

坑 2：`[1m]` 不是 CC Switch 加的

第一次跑通后，输出里带着一条：

[claude-code:unrecognized_model] {"model":"qwen3.8-flash-next-unsloth-ud-q4_k_xl[1m]"}

CC Switch 表单里确实有个「声明支持 1M」的勾，但没选中。数据库和 settings.json 里的模型名都是干净的：

ANTHROPIC_DEFAULT_SONNET_MODEL = 'qwen3.8-flash-next-unsloth-ud-q4_k_xl'

[1m] 是 Claude Code 自己的 1M 上下文标记，官方文档里的模型别名就有 sonnet[1m] / opus[1m]。

坑 3：这个标记会导致 400

带上之后，Claude Code 认为窗口是 100 万，于是请求 max_tokens: 300000，Strata 直接拒绝：

Strata 服务端的 400

图里它自己把解法写出来了。

坑 4：200k 兜底，以及修它时会踩的第二个坑

没设变量时，Claude Code 会提示：

Model "qwen3.8-flash-next-unsloth-ud-q4_k_xl" isn't recognized · context assumed to be 200k tokens

这不是提示，是客户端会真执行：到 20 万就 auto-compact，对着 262,144 的上限白白丢掉六万 token。兜底值高了同样有害，会一路撞到网关硬限制才报错。

正确做法是显式声明窗口。但官方文档里这节有个前提：

If ... the ID contains [1m], in any casing, Claude Code assumes a 1M window for it and the variable doesn't apply on its own. To correct the window while keeping proactive compaction, also set CLAUDE_CODE_DISABLE_1M_CONTEXT=1.

也就是说，模型 ID 里带着 [1m] 时，声明窗口的变量单独失效。要么同时加 CLAUDE_CODE_DISABLE_1M_CONTEXT=1，要么把模型名弄干净。

我用的后者，只留一条 Haiku 映射加 model: haiku，变量就生效了：

"env": {
  "CLAUDE_CODE_MAX_CONTEXT_TOKENS": "262144"
}

重启后 /context 从 200k 变成 262.1k：

上下文窗口修复前后

坑 5：把压缩点设成 200,000，窗口也跟着变成 200k

窗口修好之后我又想"再稳一点"：声明 262,144，把压缩点压到 200,000，留六万富余。于是用 /autocompact 设了 autoCompactWindow: 200000。

重启，/context 变成 9.6k/200k——它把 200k 当成了窗口本身：

同一个会话，唯一的差别是这个键

翻 CLI 的代码才明白语义：

if (window <= b) return y;                                           // 配置值 ≥ 声明窗口 → 用声明值
return { window: Math.min(s, b), configured: b, source: "settings" }  // 否则用配置值

autoCompactWindow 给工作窗口设上限，不是设压缩阈值。阈值是从这个上限往下扣出来的：

声明窗口 262,144 → min(262144, 200000) = 200,000 → 减输出预留 → 再减 33k buffer → 压缩点约 167k

所以实际能用的是 167k 左右，不是 200k，比我以为的少了一大截。想"留六万富余"，结果扔了将近十万。

改回 auto 之后恢复成 262.1k，buffer 33k，可用约 229k，重启后不变：

"modelSettings": {
  "qwen3.8-flash-next-unsloth-ud-q4_k_xl": {
    "effortLevel": "low",
    "autoCompactWindow": "auto"
  }
}

这个键要么留 auto，要么设一个不小于声明窗口的值（等于没设）。别拿它来留余量——余量是从窗口里扣的，不是从阈值里扣的。

两层防护

客户端这边折腾完之后，服务端还应该有一层兜底。

层	配置	负责
客户端	声明真实窗口 262,144，压缩点留 `auto`	在到顶前主动压缩对话
服务端	`fit_max_tokens: true`	兜住客户端超额的单次输出请求

服务端那项加完之后，用之前必然报 400 的参数实测：

之前: 400 prompt (16 tokens) + max tokens (300000) exceeds the context (262144)
现在: reply 'FIT OK'   stop_reason: end_turn

日志里 400 invalid request 的总数没有增加。

**客户端管对话别太长，服务端管单次输出别要太多。**只配一边，另一边迟早撞墙。顺带一提，服务端这个变量还解决了一类更普遍的毛病：agent 客户端普遍把输出上限按上下文满额来要，不加就只能靠客户端自觉。

小结

五个坑里，除了第一个是客户端按钮的问题，其余四个都指向同一件事：客户端不知道这个模型有多大，于是自己编了一套答案。

编的方式有三种。写小了，客户端提前压缩，安静地扔掉一半上下文；写大了，一路灌到服务端才 400，报错还跟真正的原因隔着一层。第三种是我自己造的——为了留点余量去设压缩点，结果把工作窗口一起改小了，而 /context 显示出来的数字看着都正常。

最后一条是这次最贵的教训。autoCompactWindow 这个名字听着就是"到多大开始压缩"，谁也想不到它会把工作窗口本身也一起改小。

terry

不错，虽然是小众玩法

kop wang

@terry 从官方的说法上讲，所有qwen系列的官宣跑分都是号称在cc+针对性提示词环境下测得的。可以大概理解为qwen系的“专武”是claude code也没错。

claude code的问题还是老样子，一个是冷启动提示词巨大，一个是闭源，一个是提示词针对他自家模型，以及其混合模型调用分工有优化，导致有点“教做人”。

尤其是最后一点，这就导致有时候cluade code盲目相信模型能力，不做校验就完成。要么是极度不信任模型结果，反复校验。本质上就是他复合模型调用的路径不同导致的。

Charly Cheng

我是小白請教一下。接入 Claude Code 有什麼特別嗎？接入Codex 的效果會有什麼差別嗎?

wml-ai

@charly-cheng
OpenAI已经全面改为Responses格式，目前主流的开放模型虽然都宣称支持该格式，但是我个人实际体验来说兼容性不好，尤其是在Codex里接入本地模型后，工具调用时体验较差，长任务过程中会有多次中断。有很多路由转换的工具，包括CC Switch的新版也加入了聚合模式，简化了将本地模型整合入Codex的过程，但是具体使用过程中仍然不如官方模型那么丝滑。而Claude Code就没有这些问题，主流模型都支持Anthropic messages格式，通过CC Switch接入后，无论是线上模型还是本地模型接入后都能很顺利的工作。推荐使用Deepseek Harness，灵活、方便、功能强大。

wml-ai

@charly-cheng
老特之前曾经为此专门发了一个本地模型如何接入Codex的帖子，你可以搜搜。

Charly Cheng

好的感謝解答我也來試一試。

抡锤者