1. 摘要

本次测试把 Strata 引擎（llama.cpp 系 CUDA 12 实验引擎，v0.1.42）当作被测系统，在一台 16 GB 显存的笔记本上，对用户给出的三个模型目录做了可复现的吞吐实测。三个目录在权重层面只有 3 个不同权重：RVN 目录是 IQ3_S（merged 单文件 88.88 GB），GSQ-RCO 目录提供 IQ2_XS 与 IQ3_XXS 两档，Alesha-pro 目录只放了 IQ3_XXS——而它和 GSQ 目录的 IQ3_XXS 逐字节相同（两个分片的 SHA256 与字节数逐条相等，另做 9 个窗口 × 4 MiB 抽样比对 0 字节差异，且是 inode 不同、nlink=1 的独立物理副本），所以 Alesha 条目复用 GSQ 条目的实测数据，按"别名"记录，不再重复启动引擎。这样得到 4 个可测条目。

机器一句话：11th Gen Intel Core i7-11850H（8C/16T、AVX-512）+ 31.71 GiB RAM + NVIDIA RTX 3080 Laptop 16 GiB（驱动 596.47）+ Windows 11 22631 + SIX X7400 Pro SSD。三个权重的专家体量分别是 35.5 / 43 / 50 GB，按 Strata 官方"RAM ≥ 专家体量 + 约 10 GB"的门槛，需要 45.5 / 53 / 60 GB 内存，三者都远超本机 31.71 GiB，因此引擎必然落进官方 low-RAM 的 --mmap-experts 分支：专家不从 RAM 常驻，而是按需从 SSD 经 Windows 页缓存读入显存专家槽。这一条决定了本次所有数字的量级，也是报告中最需要被理解的口径前提。

三档结果一句话：IQ2_XS 在 32K / 48K / 64K 的 decode 均值分别是 28.95 / 30.15 / 34.80 t/s（每档两次重复取均值，另有一次独立冷 64K 33.60），IQ3_XXS 是 14.75 / 16.05 / 23.75 t/s（冷 64K 22.30）。两个权重都呈现"档位越长越快"的形态，原因不是上下文变长本身更快，而是同一篇文档按前缀延长、专家页已被页缓存焐热（详见 §11.1）。

达标清单（需求 V3 规则：任一档 decode 均值 ≥ 17 t/s）：IQ2_XS @ 65536 = 34.80 t/s、IQ3_XXS @ 65536 = 23.75 t/s。IQ3_XXS 的 32K（14.75）与 48K（16.05）不达标——48K 档的第二次重复曾达到 17.00，但判定必须用两次均值，不能挑单次最大值。Alesha 条目与 IQ3_XXS 同值同结论，因是别名，不重复计入达标清单。用户原始表述的严格口径"CTX ≥ 64K 且 TPS > 17"与 V3 结论完全一致（两者都只在 64K 档通过）。

RVN IQ3_S 不可测一句话：32K / 48K / 64K 三档全部没有实测数据。2026-10-16～17 的三次 32K 尝试都在 32K prefill 早期（引擎日志 K/V grown to 40960 cells 之后）导致系统级异常——前两次是硬冻结/强制断电（无 bugcheck、无 dump、无 Kernel-Power 41），第三次是 0x0000019C bugcheck（dump 已写）。该模型在本机唯一的实测是 4K 冒烟 8.90 t/s，属"能跑起来"的证据，不是档位成绩，禁止外推到 32K 及以上（§9.4）。

结论速览（数值全部取自 data/summary.json）：