README.pt-BR.md

English · 简体中文 · 日本語 · Deutsch · Français · Español · Português

Rode um modelo de ponta no seu próprio PC gamer

Suporte a NVIDIA, AMD, Intel · Windows, Linux, Mac · gratuito e de código aberto

_{Um jardim de pagodes em voxels, gerado com um único prompt, rodando numa RTX 5070 com o Strata (IQ3_S, contexto de 128K) · vídeo completo (49 s)}

O Strata roda o Qwen3.8-Flash-Next, um modelo de 125 bilhões de parâmetros que normalmente precisa de um servidor, num PC comum. Ele conversa, escreve código, lê imagens e funciona com os seus aplicativos e agentes de programação. Suas conversas e arquivos ficam no seu PC.

Primeira vez aqui? Veja o que você precisa e depois instale o app.

• Roda num PC gamer. 32 GB somando memória RAM e memória da placa de vídeo já bastam para começar.
• Funciona com as suas ferramentas. Ele fala as APIs da OpenAI e da Anthropic, então Claude Code, Codex CLI, OpenCode e outros agentes se conectam a ele.
• Lê imagens. Já vêm ativadas.
• Gratuito. Licença MIT, sem conta, sem nuvem.
• Privado. Sem telemetria. O que o Strata baixa, quando usa a internet e como confere os downloads está em docs/SAFETY.md.

Versão 0.2.2 · mecanismo 0.1.47

O que você precisa

Você precisa de pelo menos 32 GB somando a memória RAM e a memória da placa de vídeo (VRAM). Num Mac ou num Ryzen AI Max, isso é a memória unificada. Mais memória permite um modelo maior ou mais rápido.

• Um PC de 32 GB com uma placa de 12 a 16 GB roda o Coder.
• 64 GB de RAM rodam todos os tamanhos.

Seu computador	Detalhes
NVIDIA GeForce RTX série 20, 30, 40, 50 (12 GB ou mais)	Instale o app ou o Terminal.
AMD Radeon RX 6800 e mais novas, Radeon AI PRO R9700 (12 GB ou mais)	Placas AMD
Intel Arc	Intel Arc, mecanismo Intel
Mac com Apple Silicon (M1 ou mais novo, macOS 15 ou mais novo)	Mac
AMD Ryzen AI Max (Strix Halo) e outros sistemas de memória unificada	Strix Halo
Placas e processadores mais antigos	GPUs antigas, CPUs antigas

Você também precisa de:

• cerca de 80 GB de espaço livre no disco (um SSD deixa a primeira inicialização bem mais rápida)
• Windows 10 / 11, Linux ou macOS
• um driver de vídeo atualizado

Duas ou três placas da mesma marca podem dividir um modelo (multi-GPU). O Strata nunca divide um modelo entre placas NVIDIA e AMD. Lista completa: docs/INSTALL.md.

Instalação

Escolha uma opção. Todas iniciam o mesmo mecanismo e usam os mesmos modelos.

Opção A: o app Strata

O jeito mais fácil. O app já traz o mecanismo: instale, escolha um modelo e converse. Baixe o arquivo para o seu sistema e a sua placa de vídeo na página de releases. Não sabe qual? Veja a explicação logo abaixo da tabela.

Sistema	Sua placa de vídeo	Arquivo para baixar
Windows 10 / 11	NVIDIA RTX, driver 580 ou mais novo	Strata-0.2.2-windows-cuda13.exe
	NVIDIA, placa mais antiga ou driver anterior ao 580	Strata-0.2.2-windows-cuda12.exe
	AMD Radeon série RX 9000 ou Radeon AI PRO R9700	Strata-0.2.2-windows-hip.exe
	AMD Radeon série RX 7000 ou Ryzen AI Max (Strix Halo)	Strata-0.2.2-windows-hip-rdna3.exe
Linux	NVIDIA RTX, driver 580 ou mais novo	Strata-0.2.2-linux-nvidia-cuda13.AppImage
	NVIDIA, placa mais antiga ou driver anterior ao 580	Strata-0.2.2-linux-nvidia-cuda12.AppImage
	AMD Radeon série RX 9000 ou Radeon AI PRO R9700	Strata-0.2.2-linux-amd-rx9070.AppImage
	AMD Radeon série RX 7000	Strata-0.2.2-linux-amd-rx7900.AppImage
	AMD Ryzen AI Max (Strix Halo)	Strata-0.2.2-linux-amd-strixhalo.AppImage
Mac (Apple Silicon, macOS 15 ou mais novo)	integrada	Strata-0.2.2-mac.dmg

Se você estiver em dúvida: para NVIDIA, use cuda13 se o seu driver for a versão 580 ou mais nova, e cuda12 nos outros casos. O cuda12 serve para placas e drivers mais antigos. Os arquivos hip e amd são para placas AMD. Outras placas AMD (RX 6000) ainda não têm app pronto: veja Placas AMD.

Depois:

• Windows: execute o .exe. Ele instala só para o seu usuário e não pede direitos de administrador. Se o Windows disser "O Windows protegeu o computador", escolha Mais informações e depois Executar assim mesmo (o instalador ainda não tem assinatura de código).
• Linux: torne o arquivo executável (chmod +x) e inicie. É preciso ter o FUSE 2: sudo apt install libfuse2 (Ubuntu 22.04) ou libfuse2t64 (Ubuntu 24.04 e mais novos).
• Mac: abra o .dmg e arraste o Strata para Aplicativos.

Na primeira tela, o app lê o seu PC e recomenda um modelo que caiba nele. Clique em instalar. O modelo é um download grande (cerca de 40 a 70 GB) e continua de onde parou se for interrompido. Fechar a janela encerra o Strata e o mecanismo.

Opção B: o Terminal (uma linha)

O Terminal é o comando strata, para scripts, servidores e agentes de IA.

Linux e Mac:

curl -fsSL https://github.com/Niko1221/Strata/releases/latest/download/install.sh | sh

Windows (PowerShell):

irm https://github.com/Niko1221/Strata/releases/latest/download/install.ps1 | iex

O script confere o seu PC, baixa o Terminal, verifica o SHA-256 e descompacta na sua pasta pessoal. Não precisa de direitos de administrador. No Windows, abra uma nova janela do terminal depois. Então inicie o Strata:

strata launch

Ele faz uma pergunta por vez: modelo, contexto, imagens, quem pode se conectar. Depois baixa o mecanismo para a sua placa de vídeo (assinada e testada antes do uso) e o modelo, e começa a servir. Em scripts e agentes de IA, use flags:

strata launch --model q2_0 --yes --no-tui

Para ler o script de instalação antes de executá-lo, baixe-o primeiro com curl -fsSL <address> -o install.sh, leia e então rode sh install.sh. Todas as telas e flags: docs/TERMINAL_LAUNCH.md.

Opção C: deixe a sua IA configurar

Cole isto no Claude Code, Cursor, Codex, GitHub Copilot ou outro assistente de programação:

Set up Strata on this PC for me: https://github.com/Niko1221/Strata - follow docs/AI_SETUP.md in that repository.

Ele confere a sua placa de vídeo, a RAM e o disco, escolhe o modelo que cabe, instala e inicia, e diz como conectar os seus aplicativos. Ferramentas de IA também podem instalar, iniciar e parar o Strata pelo servidor MCP dele.

Prefere compilar por conta própria? Veja Compilar a partir do código-fonte.

Modelos

O app e o strata launch recomendam um modelo para a sua memória. É um único modelo em vários tamanhos, mais ou menos comprimidos. Os tamanhos menores são mais rápidos. Os maiores são um pouco mais inteligentes.

Pouca memória? Experimente o Gyro

O Gyro (da agentionai) é a menor forma de rodar este modelo.

Tamanho	Memória necessária (RAM + VRAM)	Download	O que é
Gyro-S	27,6 GB	58,5 GB	Para PCs onde nenhum outro tamanho cabe. A qualidade é menor que a do IQ2_XS.
Gyro-M	35 GB	92,0 GB	Qualidade próxima à do IQ3_XXS, com cerca de 20% menos memória da GPU. Ele escreve as respostas 16% mais devagar que o Q2_0 numa RTX 3060 de 12 GB e 21% mais devagar numa R9700.

O Gyro roda em placas NVIDIA e AMD (AMD é experimental) em placas Intel Arc no Linux (testado numa Arc A750) e, desde a 0.2.2, em Macs com Apple Silicon (Gyro-S num Mac mini de 32 GB: 9 tokens/s, com os especialistas lidos do SSD). Detalhes e medições: docs/GYRO.md. Inicie com strata launch --model gyro-s.

Os outros tamanhos

Sua memória (RAM + VRAM)	Escolha	Observações
32 GB	Gyro-S, ou o Coder para código	O Coder precisa de 32 GB de RAM e mantém metade dos experts, então é mais fraco fora de código
40 GB	Swift 1.5 IQ2_XS (39,2 GB), ou Gyro-M (35 GB)	O Swift pensa por menos tempo antes de responder. O Gyro-M chega perto do IQ3_XXS em qualidade, mas escreve as respostas 16 a 21% mais devagar que o Q2_0
48 GB	IQ3_XXS (47,0 GB)	Mais lento, melhor
64 GB	IQ3_S (54,8 GB), o original ou o Swift 1.5	O mais lento, o melhor: empata com o modelo completo nos testes publicados
96 GB ou mais	UD-IQ4_XS da Unsloth (cerca de 72 GB de RAM) até Q8_0 (cerca de 136 GB), de 4 a 8 bits	Mais perto do modelo completo. Com menos RAM, o Strata lê parte deles do SSD, o que é bem mais lento

Com menos RAM do que a linha indica, ainda pode funcionar: o Strata muda sozinho para o modo de pouca RAM. Espere mais lentidão, e muito mais com uma placa de vídeo pequena.

Mais opções:

• Swift 1.5 é um ajuste fino que pensa por menos tempo antes de responder, com qualidade e RAM parecidas.
• NVFP4 é a versão de 4 bits da NVIDIA para placas NVIDIA. Precisa de cerca de 80 GB de RAM para manter todos os experts na RAM.
• Qwen3.6-35B-A3B é outro modelo, menor, que lê imagens e pode atender vários pedidos ao mesmo tempo.
• Uncensored IQ3_XXS da OrcaRouter é configurado manualmente.

Todos os tamanhos, downloads e o que cabe em cada configuração: docs/MODELS.md.

Qual é a velocidade?

Com base numa placa de vídeo de 12 GB (RTX 5070, Ryzen 5 7600, 64 GB de RAM). Veja resultados de outras placas: velocidade de cada modelo, resultados da comunidade.

Modelo	As respostas aparecem a	Lê o seu 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

Um token equivale a cerca de ¾ de palavra, então 60 tokens por segundo é mais rápido do que você lê. "Lê o seu prompt" é a velocidade com que o Strata absorve um documento longo, um código ou um histórico de conversa.

Medido numa placa AMD de 16 GB (RX 9070 XT, Ryzen 9 3900X, 47 GB de RAM):

Modelo	As respostas aparecem a	Lê o seu 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

As barras usam a mesma escala nas duas tabelas. Uma placa com mais VRAM é mais rápida: uma RTX 3090 (24 GB) deve escrever cerca de 100 a 140 tokens por segundo. A versão do mecanismo por trás de cada número está em DETAILS.md.

Como usar

No app

O app tem um Chat, um Monitor do modelo e da sua GPU, CPU e RAM, uma página de Modelos e as Configurações. O chat pode trabalhar numa pasta do seu PC. No modo Manual, ele pergunta antes de alterar um arquivo ou executar um comando. Digite /loop 10m <o que fazer> para repetir uma mensagem a cada 10 minutos enquanto o chat estiver aberto.

O chat pode pesquisar na web com o DuckDuckGo (ou o Bing), sem conta. Você pode adicionar uma chave de busca em Configurações, Ferramentas. A busca é o único recurso que envia algo para fora do seu PC: os termos da pesquisa.

Para rodar dois modelos, ative Executar vários modelos e dê a cada modelo a sua própria placa da mesma marca.

_{Um chat no app Strata: o agente escreveu um pequeno jardim de pagode em voxels em um único arquivo HTML, e a página abre na pré-visualização ao lado da conversa}

No Terminal

_{strata monitor enquanto o modelo responde: velocidade, GPU, memória e as solicitações recentes}

strata launch                                  # telas guiadas: modelo, contexto, imagens, acesso e depois servir
strata launch --model q2_0 --yes --no-tui     # sem perguntas: serve, mostra o endereço e volta
strata launch --plan --model q2_0              # mostra o que aconteceria; nada muda
strata launch --status                         # o que está sendo servido agora
strata launch --stop                           # para o serviço
strata monitor --url http://127.0.0.1:8080     # acompanha velocidade, GPU, memória e requisições
strata update --check                          # há um mecanismo novo? (strata update instala)
strata doctor                                  # confere os arquivos do mecanismo instalada

strata --help lista tudo. Iniciar e servir nunca baixam nada. Só a instalação, o strata launch (quando você escolhe um modelo) e o strata update baixam. Para acessar o Strata do celular ou de outro PC, use strata launch --access lan. Ele cria uma chave de API e não inicia numa rede sem uma. Nenhum navegador abre, a menos que você adicione --open. Guia: docs/TERMINAL_LAUNCH.md. Cliente completo: docs/TERMINAL.md.

Com agentes de IA

Um agente instala o Strata com o comando de uma linha da Opção B e executa strata launch --model NAME --yes --no-tui. Os passos, as flags e os códigos de saída estão em docs/AI_SETUP.md, e as regras do repositório estão em AGENTS.md.

Conecte os seus outros aplicativos

Tipo de aplicativo	URL base
Compatível com OpenAI (a maioria dos apps e agentes)	http://127.0.0.1:8080/v1 (qualquer chave de API, qualquer nome de modelo)
API da Anthropic (Claude Code e outros)	http://127.0.0.1:8080, sem /v1. Esses aplicativos adicionam /v1/messages sozinhos. Claude Code: ANTHROPIC_BASE_URL=http://127.0.0.1:8080
OpenAI Responses API (Codex CLI)	http://127.0.0.1:8080/v1/responses (configuração)

strata connect mostra as configurações exatas para OpenCode, Codex CLI, Claude Code, oh-my-pi, pi, Hermes Agent e OpenClaw. strata connect opencode --write grava o arquivo depois de perguntar e mantém um backup.

Imagens

As imagens vêm ativadas nos modelos que sabem lê-las. Anexe ou cole uma imagem no chat, ou envie pelo seu aplicativo. O leitor de imagens roda no processador quando a sua placa de vídeo tem menos de 24 GB (alguns segundos por imagem, sem tirar nada da memória da placa) e roda na placa de vídeo a partir de 24 GB. A regra é a mesma para NVIDIA e AMD. Desative as imagens por modelo, ou escolha o leitor com --vision off, --vision gpu ou --vision cpu.

Os números por trás da regra: numa Radeon AI PRO R9700, o leitor da placa levou 57 ms para uma imagem de 260 tokens e o do processador levou 3,1 s. Em placas de 16 GB (Tesla P100 e RTX A4000, Linux), o leitor da placa custou de 3 a 5% da velocidade do texto, porque ocupa cerca de 1,4 GB que o modelo usaria de outra forma. No Mac, a GPU faz a leitura, seja qual for a memória (0,45 s para uma imagem de 260 tokens em um M4 de 32 GB, cerca de 1,2 GB da memória compartilhada); o processador leva cerca de 50 s por imagem, então só lê com --vision cpu.

Bom saber

• Escolha o nível de raciocínio (off, low, medium ou high) no menu do chat ou no "reasoning effort" do seu aplicativo. Off é o mais rápido.
• Por padrão, o Strata responde a um pedido por vez. Para vários ao mesmo tempo, use --parallel N no strata launch ou "parallel": 2 na configuração (BATCHING.md). Numa placa de 12 GB, isso deixa cada resposta mais lenta.
• O Strata lê a primeira mensagem de uma conversa por inteiro, cerca de 1 minuto a cada 30.000 tokens. As mensagens seguintes começam em segundos.
• Onde ficam as suas conversas e a API completa: docs/INSTALL.md, docs/DETAILS.md.

Compilar a partir do código-fonte

Windows, Linux e Mac a partir do repositório

Baixe o Strata e descompacte, ou use git clone. Windows: dê dois cliques em START-HERE.bat. Linux: execute ./setup.sh na pasta do Strata.

Mac (Apple Silicon, macOS 15 ou mais novo): instale uma vez as Command Line Tools da Apple com xcode-select --install (o Xcode em si não é necessário). Abra o Terminal na pasta do Strata e execute ./setup.sh. Ele compila o mecanismo do Mac no seu Mac (cerca de 7 minutos), faz as mesmas perguntas, baixa o modelo e inicia. Da próxima vez, ./setup.sh inicia na hora. Qual tamanho cabe no seu Mac: docs/MAC.md.

O instalador encontra a sua placa e configura o mecanismo certo. Ele pergunta qual modelo e tamanho, quanto contexto (quanto texto o modelo mantém em mente) e se deve ler imagens. Pressione Enter para aceitar a resposta recomendada. Depois ele baixa o modelo (cerca de 70 GB) e inicia. Se o download parar, execute de novo e ele continua. O navegador abre a página do Strata em http://127.0.0.1:8080.

Enquanto o modelo inicia, o seu PC pode ficar lento ou parar de responder por 1 a 3 minutos (mais tempo na primeira vez). O Strata carrega de 35 a 55 GB na sua RAM e trava parte dela para a placa de vídeo. Espere e não feche a janela.

Da próxima vez, execute START-HERE.bat (ou ./setup.sh) de novo. Ele inicia na hora e não baixa nada duas vezes. Feche a janela dele para parar o modelo. UPDATE.bat (./update.sh) atualiza o Strata sem iniciá-lo. Atualização, Docker, várias placas, onde ficam os arquivos e todas as opções: docs/INSTALL.md.

Para medir o seu PC, execute BENCH.bat (./bench.sh). Leva de 5 a 10 minutos e gera um relatório que você pode compartilhar (como).

Opcional: mais velocidade numa placa quando o modelo inteiro cabe na RAM. Duas configurações opcionais do RubenTorney (#1904, #1905). Elas ajudam quando você usa uma placa de vídeo e a sua RAM comporta todos os experts, por exemplo Q2_0 ou IQ3_XXS num PC de 64 GB. Abra strata-<model>.json na pasta de dados do Strata (onde fica) e adicione:

• "--adapt-async", "1" à lista "args". O cache de experts passa a ser atualizado numa thread auxiliar, em vez de pausar a resposta. Medido numa RTX 5070 (Windows, Q2_0): +4 a 5% na geração, +7 a 10% em código e documentos longos. As respostas podem diferir um pouco do padrão e continuam iguais de uma execução para outra.
• "STRATA_PIN_BY_NEED": "1" no bloco "env" (Windows). O Windows só consegue travar cerca de metade da RAM para a placa de vídeo, e isso trava primeiro os experts de que a placa precisa. Medido na RTX 5070: +4,4% na leitura do prompt.

"args": [ ..., "--adapt-async", "1" ],
"env": { "STRATA_PIN_BY_NEED": "1" }

Reinicie o Strata depois da alteração. Para desfazer, remova as duas entradas.

Como funciona?

Modelos como este costumam rodar em servidores com centenas de gigabytes de memória de vídeo. A sua placa de vídeo tem 12 a 24 GB. O Strata faz o modelo caber dividindo o trabalho entre o PC inteiro. Imagine uma biblioteca.

• O modelo é uma equipe de 24.576 pequenos especialistas ("experts"), como 24.576 livros de consulta. Cada palavra precisa de apenas 10 deles.
• A sua placa de vídeo é a mesa. Ela é pequena e rápida. Os cerca de 4.000 livros mais usados ficam abertos nela.
• A sua RAM são as estantes da sala de leitura. Os 24.576 livros estão lá. Quando uma palavra precisa de um livro que não está na mesa, o seu processador lê da estante na hora, enquanto a placa continua trabalhando.
• O seu SSD é o arquivo. Ele guarda uma tabela de consulta de 29 GB. O modelo lê algumas linhas dela por palavra, então ela não precisa ficar na RAM.

Um pequeno ajudante também adivinha as próximas palavras. O modelo grande confere todas de uma vez e fica com as certas. Você recebe a mesma resposta, de 1,6 a 1,8 vez mais rápido. Textos longos são lidos em blocos grandes, de até 8.192 tokens por vez, a mais de 1.000 tokens por segundo.

A explicação mais longa: docs/HOW_IT_WORKS.md. Cada parte e seus números: os detalhes e o artigo.

Algo deu errado?

• Meu PC travou na primeira vez que o Strata iniciou. Ele carrega o modelo na RAM. Espere e não feche a janela. Ainda travado depois de 10 minutos? Reinicie o PC, feche outros programas e tente de novo, ou escolha um tamanho menor.
• Parou durante o download ou a instalação. Abra o app ou o strata launch de novo, ou execute START-HERE.bat (ou ./setup.sh) outra vez. Ele continua de onde parou.
• Está muito lento, a luz do disco não para de piscar, ou aparece "o mecanismo parou inesperadamente". O seu PC não tem RAM livre suficiente. Feche outros programas (os navegadores usam muita), ou escolha um tamanho menor, como Q2_0 ou IQ2_XS.
• Diz que não há mecanismo para este PC. No app, abra Configurações, Mecanismo e clique em Atualizar mecanismo. No Terminal, execute strata update. O strata doctor mostra quais arquivos do mecanismo estão instalados.
• Diz que a porta 8080 já está em uso. O Strata já está rodando. Procure a janela dele.

Mais problemas e soluções: docs/TROUBLESHOOTING.md. Ainda sem resolver? Abra uma issue. No app, anexe o arquivo de Configurações, Mecanismo, Diagnóstico, Ver registros, Salvar logs. No Terminal, cole a saída de strata doctor. Se estiver rodando pelo código-fonte, anexe o strata-<model>.log da pasta do Strata. Para um problema de segurança, informe em particular: SECURITY.md.

Créditos e licença

O modelo é o Qwen3.8-Flash-Next, da equipe Qwen. Ele foi comprimido por ISTA-DASLab, UkisAI (Swift 1.5), agentionai (Gyro) e Unsloth. O Strata usa partes do llama.cpp / ggml. Todos os créditos: docs/HOW_IT_WORKS.md. O Strata é de código aberto sob a Licença MIT. Algumas partes e todos os modelos têm licenças próprias (quais).

Contribuindo

Encontrou um bug, ou quer enviar uma alteração ou um benchmark? Leia primeiro o CONTRIBUTING.md. Ele diz o que incluir para que outras pessoas possam conferir o seu trabalho.

Apoie o Strata

O Strata é gratuito e tem licença MIT. Eu o desenvolvo e testo em todo hardware que consigo arranjar. Se ele roda bem no seu PC, um café me ajuda a continuar testando placas novas e corrigindo o que você relatar. Sem pressão. Usar e relatar o que encontrar ajuda tanto quanto.

Quer patrocinar o Strata? Fale comigo pelo GitHub.