Qwen3.8-Flash-Next（125B）はVRAM 16GB＋メモリ32GBで動く？Strataで速度・長文・品質を実測（RTX 5070 Ti）

「125B（1,250億パラメーター）の大きなAIが、16GBのグラフィックボードで動いた」という話を見かけると、手元のゲーミングPCでも試せるのか気になってきます。
ところが、Qwen3.8-Flash-Nextを動かす道具Strataの公式資料を開くと、メモリ32GBのPCに勧められているのはコード向けに絞った版（Coder）だけでした。
RTX 5070 Ti（16GB）とメモリ32GBの組み合わせは、公式の目安を下回ります。

結果は、Q2_0版は起動し、日本語で答えを返しました。
答えを書き出す速さ（tok/s＝1秒に書ける文字のかたまりの数）は、最初の1回こそ30.0でしたが、2回目からは70前後、続けて同じ形の質問をした3回（warm）では91.0 tok/sまで上がりました。
短い質問なら、返事は1.5秒ほど（3回の中央値で、初回は7.7秒）で始まります。

長い資料を渡すと、読み終わるまで返事が始まりません。
資料を読む速さは毎秒340〜580トークンほどで、本1冊分くらいの資料（12.8万トークン＝128K）では最初の文字まで約4分かかり、3回目に空きメモリが足りなくなって止まりました。
100万トークン（1M）は試す前に打ち切っています。

この記事は、FRONTIER FRGKB860M/CG3（RTX 5070 Ti 16GB・Core Ultra 7 265F・メモリ32GBのまま増設なし）で、2026年10月4日に当サイトが実測した記録をベースにしています。
ソフトはStrata（main 99f3dbd0・2026年10月3日のコミット）と出来合いのエンジン0.1.38、GPUドライバは616.64です。

モデルはISTA-DASLabが配布するQwen3.8-Flash-NextのQ2_0（GGUF形式・2分割）で、話しながら先の数語を予想しておく部品（MTP層）を足して動かしました。
同じFRONTIER機でほかのモデルを測った数値は、親記事のローカルLLMを動かすPCのスペックガイドに集めています。

結論：動いた。短い質問はすぐ返り、長い資料は待たされる。本1冊分（128K）が限界

物知りの人に質問する場面を思い浮かべてください。
短い質問ならすぐ話し始めてくれますが、分厚い資料を渡すと、読み終わるまで口を開きません。
Qwen3.8-Flash-Next（Q2_0）もVRAM 16GB＋メモリ32GBのPCで起動し、短い質問にはすぐ答えた一方、長い資料では返事までの待ち時間が目立ちました。

答えを書き出す速さは、話題を初めて聞く形（cold）の前置きなし（深さ0）の質問を3回送った中央値で、69.6 tok/sです。
ただし最初の1回だけは30.0 tok/sで、2回目から70前後に上がりました。
1秒に70前後のかたまりが出るペースは、ふつうに文章を読む速さより速いくらいです。

気になるのは、資料を渡したときの待ち時間です。
論文1本くらいの資料（32Kトークン）を渡すと最初の文字まで57.4秒、本1冊分くらい（128K）では約4分待ちました。
机（メモリ）の空きも少なく、128Kの3回目は空きメモリが500MiBを切ったまま60秒続き、監視プログラムがサーバーを止めています。

次の表は、左の列が測った項目、まん中が当サイトの実測値、右が条件です。
たとえば「最初の文字まで」の行は、短い質問（深さ0）／長いメール数通くらい（8K）／論文1本くらい（32K）／本1冊分くらい（128K）の順に並んでいます。

今回のAIと動かす道具：Qwen3.8-Flash-NextとStrata

AIを「ものすごく分厚い百科事典を持った物知りの人」だと思ってください。
Qwen3.8-Flash-Nextは125B（1,250億パラメーター）級のモデルで、物知りの人の中でも特に分厚い百科事典を持っています。
Strataは、分厚い百科事典を家庭のPCの限られた机でも使えるように置き場所を工夫する仕組みで、GitHubで公開されています。

Strataの導入用のバッチファイルは、まずPCを調べてメモリ量に合うサイズを勧めます。
続けてエンジンとモデルを取り込み、ブラウザで開くチャット画面とAPI（ほかのアプリから呼び出す窓口）を用意します。

百科事典にはサイズ違いの版があり、Strataでは縮小コピーの度合いが違う複数のサイズ（Q2_0・IQ2_XS・IQ3_XXS・IQ3_Sなど）から選べます。
縮小コピーで薄くすること（量子化）は、薄いほど軽く扱える反面、細かい字が少しつぶれることがあります。

今回選んだQ2_0は、公式資料でいちばん速いと紹介されているサイズです。
字のつぶれが答えにどう出たかは、後半の回答品質の節に実測値を載せています。

専門家の分冊を本棚から取りに行く仕組み（MoEと低メモリモード）

今回の百科事典は、分野ごとの専門家が書いた分冊に分かれています。
答えを1かたまり（トークン）書き進めるたびに、全部の分冊を開くのではなく、そのとき必要な専門家の分冊だけを開いて進める作り方を、MoE（混合エキスパート）と呼びます。
Qwen3.8-Flash-Nextは512個のエキスパートを持ち、1トークンごとに呼ばれた専門家の分だけ手元にあれば計算が進みます。

Strataの公式資料によると、通常はモデルの1つ目のファイルに入ったエキスパートを机（メインメモリ）へ、残りを作業台（GPU）へ置き、2つ目のファイル（29GBの参照表）は本棚（SSD）に置いたまま使います。
机が足りないPCでは低メモリモードに切り替わり、エキスパートを本棚のモデルファイルから読み出す方式に変わります。

今回の構成では、Strataの–check（導入前の診断）が「GPUがエキスパートの約32%を持ち、残りはSSDから必要なときに読む」と判定しました。
作業台に置けるのは分冊の約32%で、残りは必要になるたびに本棚まで取りに行く形です。
公式資料も、GPUが小さいとエキスパートの大半がSSDから来るので、かなり遅くなると注意書きをしています。

話しながら先を予想して速くする仕組み（MTP・先読み生成）が必須なこと

話し慣れた人は、自分が次に言う数語を頭の中で先に用意しておき、言いたいことと合っていればまとめて口にできます。
MTP（Multi-Token Prediction・先読み生成）も同じ考え方で、次に来る数トークンを小さな層で先に予想し、本体がまとめて確かめることで出力を速めます。
Strataのサーバーは起動条件としてMTPを必須にしていて、MTPを外した速さは測れませんでした。

同じFRONTIER機で9月3日に測ったgpt-oss-20bやQwen3.8-27Bの値は、llama-benchという別の計測ツールでMTPなしの条件です。
Strataはエンジンも違い、モデルの一部をメインメモリとSSDに置き、APIを通して測っています。
コースも靴も違う100m走のタイムを並べて順位を付けないのと同じで、条件がいくつも違うため、この記事では9月3日の値と横に並べて順位を付けません。

机の広さは足りたか：公式の目安と今回の構成

Strataの公式資料（docs/MODELS.md）には、「この机の大きさ以上で使ってね」というおすすめを、メモリの量ごとにまとめた表があります。
メモリ32GBに勧められているのはCoder（IQ1_M）で、512個のエキスパートのうちコード向けに選んだ256個だけを残した版です。
百科事典でいえば、プログラミングの分冊だけを残して薄くした版にあたります。

表の見方は、左の列がメモリ（机）の大きさ、まん中が公式のおすすめ、右が補足です。
最終行は当サイトの構成で、公式の32GBの行と見比べると、Q2_0は推奨の外で試したことがわかります。

Strataの–checkが今回のPCに出した判定は次のとおりです。

• Q2_0：必要メモリ約48GB。低メモリモードなら動く（GPUがエキスパートの約32%を持ち、残りはSSDから読む）
• IQ2_XS：必要メモリ約48GB。低メモリモードなら動く（GPUが約31%を持つ）
• IQ3_XXS（約60GB）・IQ3_S（約62GB）・UD-Q4_K_XL（約48GB）：適合しない
• Coder（IQ1_M）：必要メモリ約32GB。低メモリモードで動く（GPUが約47%を持ち、残りはメモリに置く）

公式の推奨表では、32GB＋16GBでQ2_0を動かす構成は想定されていません。
今回はStrata自身の–checkが動くと判定したため試しましたが、公式の推奨の外での結果として読んでください。
IQ3_Sは–checkが適合しないと判定したため、取得も計測もしていません。

導入でPCに入ったもの（書き込まれた場所）

新しい道具をPCに入れるときは、どの棚に何が置かれたかを知っておくと、あとで片付けるときに迷いません。
Strataの導入は、管理者権限を使わずに済みました。
Pythonが入っていないPCだったため、Python 3.12.10をユーザー用として入れています。

PCへの主な書き込み先は次の3つです。

• Python本体：ユーザー領域（AppData\Local\Programs\Python）に入り、ユーザーのPATHに2項目が足される
• Strataの設定ファイル：通常は%APPDATA%\Strata\settings.json
• Strataフォルダの中身：Pythonの仮想環境（.venv）・エンジン・モデル。今回はC:\strata-bench\にまとめた

セットアップは、ダウンロードしたZIPと展開用の一時フォルダを自分で消していきます。
Pythonのインストーラーは、ユーザー領域のPackage Cacheにも導入用のファイルを残しました。
機材を返す前には、Python本体（導入用のファイルを含む）・Strataの設定ファイル・Strataフォルダを片付ける予定です。

百科事典の本体にあたるモデルはQ2_0で2分割、合計約66.4GBあり、このほかにMTP層のファイルが加わります。
ダウンロードはファイルの作成から最終更新までで約87分、平均すると毎秒約12.7MBでした。
最初の起動は28.4秒、128Kに設定し直したあとの起動は16.9秒です。

途中で引っかかったのが、ページファイルの警告です。
ページファイルは、机（メモリ）が足りないときに本棚（SSD）の一角を仮置き場として使う領域です。
–checkは「Windowsのページファイルが2.0GB」と注意を出しましたが、自動管理の設定は変えずに進めました。

計測を終えて記録を見ると、OSが自分でページファイルを2,048MBから2,812MBへ広げていました。

答えを書き出す速さ：初回30、2回目から70前後、続けて聞くと91（tok/s）

出力の速さは、物知りの人が答えを書き出していく速さです。
単位のtok/sは1秒に書けるトークン（文字のかたまり）の数で、日本語ならおおよそ1かたまりが1〜2文字にあたります。
StrataのAPIに入力を送って128トークンを書かせ、エンジンのログに残る値を3回ずつ取りました。

測り方は2通りで、coldは「話題を初めて聞いたとき」、warmは「同じ話題を続けて聞いたとき」にあたります。
coldは会話の使い回し（KVキャッシュ）を避けた要求で、OSのファイルキャッシュまで空にした状態ではありません。
warmは同じ前置きを先に読ませて使い回した要求で、前置きのない深さ0のwarmだけは、coldの3回の直後に同じ形の要求を続けて測った3回です。

表の「深さ」は、質問の前に渡しておく前置き（資料や会話の履歴）の長さです。
深さ0は前置きなしの短い質問、8Kは長いメール数通くらい、32Kは論文1本くらいの前置きを付けた形です。

表の見方は、左の列が条件、2列目が3回の中央値、3列目が3回それぞれの値、右端が最初の文字までの時間です。
たとえば「cold 深さ0」の行の30.0／70.0／69.6は、1回目だけが遅かったことを示しています。

125Bのモデルがメモリ32GBのPCで毎秒70トークン前後を出したというのは、cold深さ0の中央値69.6 tok/sの話です。
最初の1回は30.0 tok/sで、2回目には70.0まで一気に上がりました。
初回は百科事典の中身を本棚（SSD）から引き出す分だけ待たされた、と見ています。

根拠にしたのは、SSDの読み込みの記録です。
1回目の最中はSSDの読み込みが最大で約1.6GB/sまで上がり、2・3回目は毎秒181〜271MiBに落ち着いていました。

同じ話題を続けて聞いたwarmでは、深さ0で91.0 tok/s、前置きを使い回した8Kで85.8 tok/sまで伸びました。
一方でwarm 32Kは86.5／39.2／22.5と回ごとの差が大きく、中央値の39.2は参考程度に見るのが妥当です。
3回目は監視プログラムを直したあとにエンジンを再起動して取り直した回で、起動条件がほかの2回とそろっていません。

coldでも、前置きが長くなるほど書き出す速さは落ちていきます。
深さ0の69.6に対して、長いメール数通くらい（8K）で65.4、論文1本くらい（32K）で49.2 tok/sでした。

長い資料を渡すと、返事が始まるまで待たされる（入力の速さ）

物知りの人に資料を渡すと、読み終わるまで返事が始まりません。
入力の速さは、渡した文章をモデルが読み込む速さで、長い資料や会話の履歴を渡すほど、答えの1文字目が出るまで待つことになります。
短い質問なら1.5秒、論文1本くらいの資料なら約1分、本1冊分くらいの資料なら約4分でした。

表の見方は、左の列が渡した資料の長さ、2列目が読む速さ、3列目が最初の文字までの時間、右端が読み終えたあとの書き出しの速さです。
たとえば論文1本くらいの32Kの行では、1秒に581.6トークンずつ読み、最初の文字まで57.4秒かかっています。

渡す文章が長いメール数通くらい（8K）から論文1本くらい（32K）に増えると、待ち時間は16.5秒から57.4秒へ伸びました。
読む速さそのものは500 tok/s台で横ばいなので、待ち時間は文章の長さにほぼ比例して伸びていきます。
続けて聞いたwarm 8K・32Kは前置きを読み直さず、新しく足した525トークンだけを読むため、その速さ（198.8・219.9 tok/s）はこの表に入れていません。

同じFRONTIER機で測ったほかのモデルの読み込みの速さも、参考として並べておきます。
表の見方は、行がモデル、右の3列が前置きの長さごとの読む速さで、2列目の計測の方法が行ごとに違う点に注意してください。

数字の開きは大きいものの、コースも靴も違う走りのタイムと同じで、エンジンも測り方も違うため、どのモデルが優れているという話にはしません。
今回の記録では、Strataで125Bに長い資料を渡すと、答えが出るまでの待ち時間が目立ちました。

作業台と机はどこまで埋まったか（VRAMとメモリ）

Strataの低メモリモードは、作業台（VRAM）をほぼ埋めたまま、載りきらない分を机（メインメモリ）と本棚（SSD）で受け持つ動き方です。
机の上には百科事典のページのほか、Windowsやほかのアプリの書類も載るので、机の空きがどれだけ残るかも見ておきたい点です。
1秒ごとの監視で記録したピーク値を、場面ごとに並べました。

表の見方は、行が場面（渡した資料の長さ）、列が作業台・机・本棚それぞれのピークです。
たとえば「空き物理メモリの最小」の列は机の空きがいちばん少なくなった瞬間の値で、32Kの行の22〜255MiBは、3回のうちいちばん減った回が22MiBだったことを示しています。

論文1本くらい（32K）の資料を読ませた3回のうち1回は、空き物理メモリが22MiBまで減りました。
32GBの机のうちStrataが約26.5GBを使い、残りをWindowsとほかのアプリで分け合う形で、余白はわずかです。

ただし、この空きの値にはOSのファイルキャッシュ（OSがすぐ片付けられる形で机に置いている控え）の扱いを含むので、空きが少ないからといって、すぐに止まるとは限りません。
メモリ不足で実際に止まったと書けるのは、次の節で触れる128Kの3回目だけです。

本棚の仮置き場にあたるページファイルの使用は、最大で2,788MBに達しました。
GPUの温度は最大58℃、GPUの電力は最大約202Wです。

StrataのMonitorタブでも、作業台（VRAM）の埋まり方を確かめられます。
8K設定で画面を確認したときは、VRAM 15.3/16GB、VRAMに置かれたエキスパート7,268個（9.4GB）、System RAM 20.3/32GB、SSDの読み込み1.01GB/sと表示されていました。
画面の数字は1枚の瞬間値なので、上の表のピーク値とは別物として見てください。

本1冊分（128K）が限界：1Mは届かなかった

モデルが一度に机に広げておける資料の長さを、コンテキストと呼びます。
上限を探るため、本1冊分くらいにあたる131,072トークン（128K）の設定で起動しました。
約12.8万トークンの文章の中央付近に日本語の合言葉を1つ隠し、読み終えたあとに合言葉を答えさせています。

表の見方は、行が1回目〜3回目、列が合言葉の正誤・読む速さ・最初の文字までの時間・続きの書き出しの速さです。
3回目の行が「―」なのは、答える前に止まって値が取れなかったためです。

合言葉は2回とも正しく答えましたが、1回ごとに読み込みだけで約4分かかりました。
3回目は空きメモリが500MiBを切った状態が60秒続き、監視プログラムが自分でサーバーを止めています。

本1冊分くらいの資料を3回続けて読ませたら、3回目で机の空きが足りなくなって止まった、という形です。
モデルが答えを間違えたのではなく、答える前に空きメモリが足りなくなったという記録です。

128Kの3回目で止まった時点で、256K・512K・1Mは試さずに打ち切りました。
1Mは設定できなかったのではなく、試していないというのが正確なところです。
公式のdocs/INSTALL.mdによると、モデルが学習した長さは262Kで、262Kを超える設定は、文章の位置の数え方を計算で引き伸ばす方法（rope scaling）を使う実験的な扱いです。

公式資料の速度表には、Q2_0で128Kのときの出力76 tok/sが載っています。
ただし測定機はRTX 5070（12GB）・Ryzen 5 7600・メモリ64GBで、メモリ32GBで低メモリモードに入った今回の構成とは条件が違います。

SNSのXでは、別のPCで1Mまで動かし出力150〜160 tok/sが出たという報告も見かけましたが、当サイトでは確かめていない他人の値です。

答えの正しさ：自作20課題で内容16・要件16

答えの正しさは、学校のテストのように、決まった問題を解かせて確かめました。
問題は9月8日にほかのモデルへ出したのと同じ自作の20課題で、context 8192（一度に机に広げる資料の長さの上限）、temperature 0（毎回いちばん確からしい語を選ぶ設定）で各課題1回ずつ答えさせています。

表の見方は、「内容正解」が答えの中身が合っていた数、「要件達成」が中身に加えて「2文で」のような指示の形まで守れた数です。
右の2列は、Thinkingをオンにして同じ6課題を解かせた結果と、答え終わるまでの時間の中央値です。

内容正解の16/20は、9月8日のQwen3.8-27B UD-Q3と同じ数でした。
内訳を見ると、文章から情報を抜き出す課題（3/3）、不明点や矛盾を指摘する課題（2/2）、引用文に紛れた指示を無視する課題（2/2）は満点です。
点を落としたのは計算（1/3）と判断（1/3）でした。

Thinking（答える前に下書きして考えるモード）をオンにすると、基本設定で3/6だった同じ6課題がすべて正答になりました。
完了までの時間の中央値は7.29秒で、表のQwen3.8-27Bの2行（23.07秒・26.49秒）より短く済んでいます（条件の違いは表の注のとおり）。
計算問題を言い換えた追試も、基本設定では×、Thinkingでは○でした。

temperature（答えのゆらぎの大きさ）を0.7に上げ、3課題を3回ずつ答えさせる繰り返しでは、合格は4/9でした。
Thinkingで何トークン考えたかの内訳はAPIが返さないため取れておらず、画像を読ませる課題も画像用の部品を入れていないので試していません。

チャット画面からも日本語で質問してみました。
「メモリとSSDの違いを、日本語で2文で説明してください。」と頼むと、日本語の答えは返ってきたものの、1文にまとめた答えでした。
画面には40 tokens・17.1 tok/sと出ていましたが、短い1回の表示なので、上の速度表とは並べません。

開発元と同じ手順で測った値（strata-bench）

同じレシピで料理を作っても、台所の広さが違えば仕上がるまでの時間は変わります。
Strataには、開発元が速度の計測に使うスクリプト（strata-bench）が入っていて、公式の数字を同じ手順で確かめるため、4Kと32Kで各3回走らせました。

表の見方は、左から資料の長さ、実際に渡したトークン数、読む速さ、書き出す速さの順です。

strata-benchの32Kの出力54.5 tok/sと、先に載せたcold 32Kの49.2 tok/sは、指示の中身と出力の長さ（256対128トークン）が違うので一致しません。
どちらも同じPCの値で、測り方の違いがそのまま数字に出ています。

次の表は公式の測定機の値で、たとえるなら机（メモリ）が64GBある広い台所で作ったときの記録です。

公式の表は、メモリ64GBの構成で測った値です。
メモリ32GBでエキスパートの多くをSSDから読む今回の構成とは、同じQ2_0でも前提が違うので、数字の差をそのまま性能差として読まないでください。

どんな使い方なら向くか

物知りの人への頼み方を、今回の記録から3つの場面に分けて整理します。
ちょっとした質問を何度もする、分厚い資料を毎回渡す、ほかの仕事と机を分け合いながら毎日使う、の3つです。

短い質問を何度も投げる使い方には向いています。
深さ0なら最初の文字まで1.1〜1.5秒（中央値）で、出力も2回目からは約70〜91 tok/s出ました。
最初の1回（最初の文字まで7.7秒・30.0 tok/s）を過ぎると、warm深さ0の3回は90.6〜94.1 tok/sに収まり、短いやり取りの数字は安定していました。

長い資料を読ませる使い方は、待つ前提で考えてください。
coldでは論文1本くらいの32Kで最初の文字まで約1分、本1冊分くらいの128Kで約4分かかり、新しい資料を渡すたびに読み込みの時間が発生します。
同じ前置きを使い回せるwarmなら、8Kで2.7秒、32Kで2.6秒まで縮むので、同じ資料に続けて質問する形なら待ち時間を抑えられます。

ほかのアプリと並べて毎日使う常用には、メモリ32GBでは余白が足りません。
32Kで空きメモリが22MiBまで減り、128Kの3回目はメモリ不足で止まりました。
今回もGPUを使う別のアプリが一覧に残ったままの計測で、その状態にブラウザや作業用のソフトを重ねた場合は測っていません。

16GBのGPUで余白を残して動かしたいなら、作業台（VRAM）に収まるモデルのほうが扱いやすい場面もあります。
量子化の選び方まで含めて27Bの密モデルを試したQwen3.8-27Bを16GBで動かした記録、MXFP4で動かしたgpt-oss-20bの16GB実測、MoEのモデルをVRAMだけで動かしたGemma 4 26B-A4Bの16GB実測を、使い方に合わせて見比べてください。

このモデルを試したPC：FRONTIER FRGKB860M/CG3

今回の計測に使ったのは、FRONTIERのFRGKB860M/CG3です。
RTX 5070 Ti（16GB）とCore Ultra 7 265F、メモリ32GB、1TBのストレージという構成で、メモリは増設せず届いたままの状態で測りました。

メモリを64GBにするのは、たとえるなら机を広くすることにあたります。
机を広くする意味は、公式資料と今回の記録の2点から読み取れます。
公式のdocs/MODELS.mdは、64GBならすべてのサイズが載る（IQ3_Sはほかのアプリを閉じて）としていて、32GB向けの推奨はCoderです。

今回の32GBでは、32Kのときに空きメモリが22MiBまで減り、128Kの3回目で止まりました。
64GBの構成でどれだけ速くなるかは、この機材では測っていません。

RTX 5090（32GB）や統合メモリの大きいMacまで候補に入れるなら、RTX Spark・Mac・RTX 5090を比べた記事も判断材料になります。

まとめ

Qwen3.8-Flash-Next（125B）のQ2_0は、作業台（VRAM）16GB＋机（メモリ）32GBのPCでも起動し、日本語で答えを返しました。
短い質問ならすぐ返り、書き出す速さはcold深さ0の中央値で69.6 tok/s（初回は30.0）、続けて測ったwarmで91.0 tok/sです。

気になるのは、長い資料を渡したときの待ち時間と、机の空きの少なさです。
論文1本くらい（32K）の資料で最初の文字まで57.4秒、本1冊分くらい（128K）で約4分かかり、128Kの3回目は空きメモリが足りなくなって止まりました。
256Kや1Mは試していません。

Strataの公式表でも、32GBのPCに勧められているのはCoderで、Q2_0は推奨の外です。
短い質問を重ねる使い方なら125Bの答えを手元で試せる一方、長い資料を日常的に読ませたいなら、メモリの多いPCかVRAMに収まるモデルを選ぶほうが現実的だと見ています。

よくある質問

Qwen3.8-Flash-Nextはメモリ32GBで動く？

動きました。
RTX 5070 Ti（16GB）とメモリ32GBのPCで、Q2_0がStrataの低メモリモード（机に載らない分を本棚のSSDから取りに行く方式）で起動し、日本語で答えを返しています。
ただしStrataの公式資料が32GB向けに勧めているのはCoder（IQ1_M）でQ2_0は推奨の外にあたり、論文1本くらいの資料（32K）では空きメモリが22MiBまで減った回がありました。

必要なメモリとVRAMはどれくらい？

Strataの公式資料（docs/MODELS.md）では、Q2_0はメモリ48GBから、64GBならすべてのサイズが載ると書かれています。
メモリ32GBの場合、24GBのGPUならQ2_0とIQ2_XSが低メモリモードで動き、12〜16GBのGPUにはCoder（コード向けの分冊だけ残した版）が勧められています。
今回の32GB＋16GBでは、Strataの導入前の診断がQ2_0を低メモリモードで動くと判定し、VRAMは約15.0〜15.1GBまで使いました。

出力と入力の速さはどれくらい？

短い質問ならすぐ返り、資料が長いほど返事が始まるまで待ちます。
当サイトの実測（RTX 5070 Ti・メモリ32GB）で、書き出す速さはcold深さ0の3回中央値が69.6 tok/s、warmで91.0 tok/sで、初回だけはSSDからの読み込みで30.0 tok/sでした。
資料を読む速さは341.7〜581.6 tok/sで、最初の文字が出るまで論文1本くらい（32K）で57.4秒、本1冊分くらい（128K）で約4分かかりました。

1Mコンテキストは使える？

今回の構成では確かめられていません。
本1冊分くらいにあたる131,072トークン（128K）で起動し、合言葉テストは2回とも正答しましたが、3回目は空きメモリが500MiBを切ったまま60秒続き、監視が停止しました。
128Kの3回目で止まった時点で、256K・512K・1Mは試さずに打ち切っています。

Strataの導入に管理者権限は要る？何が入る？

今回は管理者権限を使わずに導入できました。
PCへの主な書き込みは、ユーザー用に入れたPython 3.12.10（ユーザーのPATHに2項目追加）、Strataの設定ファイル（通常は%APPDATA%\Strata\settings.json）、Strataフォルダ内の仮想環境・エンジン・モデルです。
AIの中身にあたるモデル本体は、Q2_0で約66.4GBあります。

Qwen3.8-27Bとどちらを使えばよい？

使い方で分かれ、125Bの答えを短い質問で試したいならQwen3.8-Flash-Next、作業台（VRAM）に収めて余白を残したまま使いたいならQwen3.8-27Bが候補です。
今回のStrataでは資料を読む速さが341.7〜581.6 tok/sで、長い資料ほど待ち時間が伸びました。
27Bの量子化の選び方と実測はQwen3.8-27Bの16GB実測の記事にまとめています。