Запустил Qwen3.8-Flash-Next через Strata и поручил OpenCode создать три проекта

Я запустил 125B MoE открытую модель «Qwen3.8-Flash-Next» через Strata на Windows PC с одной RTX 4090 и попробовал использовать её как агента-исполнителя в OpenCode.

Я протестировал три вещи: 3D-игру на Three.js, практичное веб-приложение и 30-секундную моушн-графику. Если сразу перейти к выводу: игра и веб-приложение удались. Видео тоже удалось сгенерировать, но качество изображения пока оставляет желать лучшего.

Это не строгий бенчмарк, а довольно субъективный тест в реальной работе.

Среда выполнения

Параметр	Конфигурация
GPU	NVIDIA GeForce RTX 4090 24GB
CPU	Intel Core i7-13700K（16 ядер / 24 потока）
RAM	64GB
ОС	Windows 11 Pro
Инференс	Strata v0.1.40.2 / Qwen3.8-Flash-Next IQ2_XS
Контекст	262 144 токена
Агент для программирования	OpenCode v1.17.13

Сама модель занимает около 70GB. На 4090 короткие ответы выдавались примерно со скоростью 86–108 tok/s, а даже длинные промпты на 32K–128K загружались примерно со скоростью 4 400–5 000 tok/s. На практике удалось обработать и 255K токенов.

Однако главным ограничением оказалась не VRAM, а RAM. Strata потребляет много памяти, поэтому при одновременной работе Docker, сборки Next.js и Playwright на той же машине с 64GB становится очень тяжело. Если всерьёз вести разработку параллельно, реалистичнее иметь 96GB или больше либо разделить ПК для инференса и ПК для разработки.

1. 3D-игра на Three.js: успех

Сначала я попросил создать на Three.js «3D-версию Lights Out» размером 3×3×3. В один-единственный промпт вошли неон, bloom, звуковые эффекты, интерфейс на японском и английском, Undo и анимация прохождения уровня.

Технологический стек — один HTML-файл и Three.js. Реализация на 559 строк объединяет рендеринг, постобработку, Web Audio и управление мышью. Было сгенерировано около 31 000 токенов, а всё заняло примерно 5 минут.

Проверка в headless Chrome не выявила ни одной JavaScript-ошибки. Клики, поворот камеры и прохождение уровня действительно работали.

Была одна ошибка: способ формирования поля при создании уровня и сбросе состояния различался. Однако для поля 3×3×3 любая конфигурация математически решаема, поэтому игра не может зайти в тупик.

• Субъективная вероятность успеха: 90%
• Затраченное время: около 5 минут
• Оценка: для генерации с первой попытки очень хорошо. И внешний вид, и работа приложения уже вполне тянут на законченную работу

2. Веб-приложение с достаточно богатой функциональностью: успех

Далее — консоль управления бронированиями для студии под названием «ORBIT». Это не просто дашборд: модели поручили создать Next.js-приложение из 12 экранов и примерно 5 700 строк.

Стек: Next.js 16.4（App Router / TypeScript）, Tailwind CSS, Prisma 6.19, SQLite, recharts, date-fns, zod, jose и bcryptjs. Реализованы вход в систему, календарь по месяцам, неделям и дням, управление бронированиями, клиентами, комнатами, сотрудниками, счетами, отчётами и настройками.

Первая автономная разработка заняла 62 минуты. Но 37 минут из них ушли на бесконечно выполнявшийся smoke-тест, так что фактически LLM работала около 25 минут. Все 12 экранов были готовы через 26 минут после старта. Только за первую разработку было сгенерировано 157 000 токенов.

В финальной проверке прошли 24 из 25 E2E-пунктов. TypeScript, сборка, Lint и smoke-тест также прошли. Были исправлены 7 из 8 запрошенных замечаний.

С другой стороны, в первой версии оставались ошибки Lint, однако модель заявила, что «все условия выполнены». Также в одном месте сохранилась горизонтальная прокрутка на мобильном устройстве. Нельзя просто доверять самоотчёту — нужен отдельный ответственный за тестирование.

Ещё одной неудачей стала конфигурация PostgreSQL + Docker. При 64GB RAM не хватало запаса, чтобы одновременно запускать Strata, Docker и сборку, поэтому в итоге пришлось перейти на SQLite. Агент также дважды принудительно завершался из-за нехватки памяти.

• Субъективная вероятность успеха: 95%
• Затраченное время: около 62 минут（фактическая работа — около 25 минут）＋ около 30 минут на исправления
• Оценка: по крайней мере, обычные веб-приложения она, похоже, способна создавать целиком

3. Моушн-графика: генерация успешна, качество пока оставляет желать лучшего

В заключение — 30-секундная 4K-моушн-графика «STRATA // SIGNAL», синхронизированная с музыкой.

Стек: Python, Skia, NumPy, SciPy, Pillow и FFmpeg. Кодом создавалось не только видео, но и алгоритмическая музыка в 128 BPM на 16 тактов. Итоговый файл имеет разрешение 3840×2160, 30fps, 900 кадров и длительность 30,000 секунды. Аудио — стерео 48kHz, -14 LUFS.

От старта до готового 4K прошло около полутора часов. По пути были сессия, в которой до предела 32K вывода повторялись одни и те же рассуждения, сессия, где OpenCode завис на 13 минут после запуска, и завершение из-за нехватки памяти во время финального рендеринга. Сам 4K-рендер занял около 11 с половиной минут.

Как видеофайл результат состоялся. Но неоновые кольца и streak-эффекты, которые должны были быть по заданию, в 4K почти не видны, а вся картинка слишком тёмная. Сильный зернистый шум, слабая смена сцен и плохо заметная синхронизация изображения с битом. Можно отдать должное тому, что система самостоятельно довела проект до 30 секунд, 4K и звука, но творческое качество трудно назвать приемлемым.

• Субъективная вероятность успеха: 50%
• Затраченное время: около полутора часов
• Оценка: пайплайн генерации создать можно. Но для визуального результата нужны человеческое ревью и несколько итераций правок

Итог: вероятно, самая сильная из доступных на RTX 4090 открытых моделей на сегодняшний день

Очень субъективно, но среди open-source-моделей, которые можно запустить на RTX 4090, Qwen3.8-Flash-Next, вероятно, самая сильная из тех, с которыми мне доводилось работать.

Особенно сильна она в разработке веб-приложений. Получив спецификацию, она способна спланировать приложение с большим числом экранов, реализовать его и пройти весь путь до сборки и тестирования. Конечно, её самоотчёту «готово» доверять нельзя — независимая проверка обязательна. И всё же то, что локальная модель способна на такое, откровенно впечатляет.

По ощущениям, она напоминает Sonnet времён, когда Opus был дорогим и его ещё нельзя было свободно использовать — версию я уже не помню, — примерно с тем же уровнем практической полезности. Игра тоже получилась очень хорошей. А вот задачи наподобие моушн-графики, где между работающим кодом и хорошим произведением лежит большая дистанция, пока требуют дальнейшей проверки.

И главной проблемой в этот раз оказался не интеллект модели, а 64GB RAM.

Локальные LLM действительно развиваются.