Kami memakainya setiap hari

Pendinginan

Kendali kipas GPU

Tugasnya, di tangkapan layar 1: kipas GPU tersambung ke motherboard; harus mengikuti suhu GPU, berputar penuh selama satu menit untuk memastikan kendalinya bekerja, lalu mendapat level optimal, dan setelah restart semuanya harus berjalan otomatis.

1. 1
   Permintaan

   Pesan biasa di Telegram, tanpa perintah teknis.

2. 2
   Penelusuran

   Pertama, tanpa hak administrator, agen memastikan: motherboard Z10PA-U8, GPU Tesla P100, suhu GPU terbaca (39 °C), tetapi belum ada sarana untuk mengendalikan kipas. Ia meminta hak administrator dengan satu perintah dan memaparkan rencana. Setelah mendapat akses, ia menemukan chip Nuvoton NCT7904D (9 input takometer, 4 kanal PWM) dan dengan menjalankan tiap kanal dari 0 sampai 255 ia memetakan: pwm2 → fan5, hingga ~5300 RPM, yaitu blower P100. Tiga kanal lainnya dibiarkan pada otomatisasi BIOS.

3. 3
   Satu menit kecepatan penuh

   pwm2 = 255 selama 60 detik: dalam 5 detik fan5 naik dari 1468 ke 5294–5421 RPM dan GPU mendingin dari 37 ke 31 °C. Lalu kendali kembali ke kurva (255 → 195 → 90); pembacaan takometer memastikan kendalinya bekerja.

4. 4
   Kurva

   ≤35 °C → 35%, 45 °C → 47%, 60 °C → 67%, 75 °C → 86%, ≥85 °C → 100% (P100 menurunkan frekuensi pada 91 °C, jadi masih ada ruang). Putaran berubah halus, maksimal ±15% tiap 5 detik; jika nvidia-smi berhenti merespons, kipas masuk mode darurat ~78%.

5. 5
   Restart

   Driver dimuat otomatis, dan kendali berjalan sebagai layanan yang menyala otomatis. Agen benar-benar me-restart mesin dan memeriksa semuanya dari awal: modul dimuat, layanan aktif, fan5 di 1319 RPM, GPU 35 °C.

• Dari kami: satu perintah untuk hak administrator, jawaban «Ready», dan satu konfirmasi di tengah jalan.
• ≈ 30 menit (06:26–06:57 menurut tangkapan layar)

Konfigurasi

Pertanyaan teknis, lewat suara

Tugas praktis: lewat pesan suara kami bertanya bagaimana sistem disusun. Sistem menjawab dengan data nyata mesin kami: perangkat keras, disk, model AI, dan kecepatan. Jika ada poin yang kurang jelas, cukup tanyakan langsung apa artinya.

Yang ditunjukkan jawaban: dua mesin, claryel01 dan P2002; prosesor, memori, GPU dan disk; versi perangkat lunak; model AI; kecepatan terukur.

Dalam pekerjaan ini model cadangan bersifat eksternal (Grok) dan tanpa filter. Bagi sistem lokal kami hal itu tidak dapat diterima, sehingga model cadangan diganti dengan model lokal kedua. Kini model cloud hanya dipanggil melalui filter dan, bila diperlukan, setelah konfirmasi eksplisit dari pengguna.

Ada istilah teknis yang kurang jelas? Langsung tanyakan kepada sistem di dalam percakapan: sistem menjelaskannya dengan kata-kata sederhana.

Armada mesin

Tiga mesin, satu agen

Permintaannya, di tangkapan layar 1 (07:47): untuk tiap mesin dengan Strata, ukuran dan jenis memori, NVMe, GPU dan memori video, versi Strata, model, versi agen, dan kecepatan model di mesin itu; jawaban singkat dan dalam bahasa Inggris.

Agen sendiri memindai jaringan dan memastikan ada tiga mesin (alamat lainnya adalah printer dan port Wi-Fi Mac). Ketiganya menjalankan Strata v0.1.45 dengan model yang sama Qwen3.8-Flash-Next IQ3_S (konteks 262 144), sehingga jawaban tetap seragam mesin mana pun yang menjawab.

Kecepatan generasi: P2002 46.8 tok/s, Mac Studio 60.0 tok/s (tercepat), P1005 16.2 tok/s: model 78 GB dengan memori 31 GB, karena itu mesin ini menangani tugas latar belakang. Ketiganya dikendalikan oleh satu instans agen di claryel01; cadangan mengikuti rantai P2002 → Mac Studio → Grok.

Dalam pekerjaan ini model cadangan bersifat eksternal (Grok) dan tanpa filter. Bagi sistem lokal kami hal itu tidak dapat diterima, sehingga model cadangan diganti dengan model lokal kedua. Kini model cloud hanya dipanggil melalui filter dan, bila diperlukan, setelah konfirmasi eksplisit dari pengguna.

Instalasi

Strata di mesin baru: agen melewati semua kendala sendiri

Tidak ada build siap pakai untuk Mac: mesin Metal dikompilasi dari kode sumber (~5–15 menit). Build 0.1.45 untuk Mac ternyata rusak; agen menemukan PR terbuka #2895, menerapkannya ke rilis, dan kompilasi ulang berhasil.

Model 79 GB: lewat HuggingFace melalui Starlink kecepatannya ~6,5 MB/s (~3,4 jam), jadi agen menyalinnya dengan rsync dari P2002 melalui penerusan agen SSH, dalam 2 jam 05 menit. Lalu setiap permintaan ke mesin mengembalikan 400; agen menemukan di kode sumber solusi --no-prefill-borrow.

Hasil: Mac ≈ P2002 dalam generasi (~58 vs ~57 tok/s) dan jelas lebih cepat dalam prefill (+36%). Agen menyimpan semua kendala dalam skill strata-mac-deploy, sehingga mengulangnya hampir seperti menyalin.

Pembaruan

Agen memperbarui mesin “otaknya” sendiri

Pertanyaan (04:30): versi Strata apa yang dipakai “otak” dan mana yang terbaru di GitHub. Jawaban: P2002 menjalankan v0.1.43.1, yang terbaru v0.1.45 (dirilis 17 Oktober 2026). Agen mengingatkan bahwa pembaruan akan memulai ulang mesin tempat ia sendiri berjalan: beberapa menit henti, dengan rollback sebagai pengaman.

Atas perintah “perbarui dirimu” (04:31), agen menjalankan pembaruan terpisah dari dirinya: git pull → build mesin HIP 0.1.45 → mulai ulang layanan, sementara penjaga memeriksa mesin selama 5 menit dan kembali ke 0.1.43.1 jika mesin tidak menyala. Build berjalan bersih (34 MB, 0 galat), tetapi penggantian file yang sedang berjalan gagal (“Text file busy”) dan mesin berhenti. Agen menyimpan file lama sebagai cadangan, memasang yang baru secara manual, dan memulai ulang layanan.

Pemeriksaan (04:50): v0.1.45 berjalan, model Qwen3.8-Flash-Next IQ3_S, konteks 262.144. Kecepatan dengan skrip yang sama: jawaban pendek 31,0 (sebelumnya 33,5–33,7), generasi 1024 token 47,7 / 44,4 (sebelumnya 53,0–60,1), prefill 1,5K 874 / 531 (sebelumnya 488–490). Penilaian agen: prefill jelas lebih baik, generasi ~10–20% lebih rendah pada dua pengukuran; dengan hanya dua kali jalan ia tidak menyebutnya regresi dan menawarkan 3–4 pengukuran lagi serta kembali ke 0.1.43.1 jika perlambatan terkonfirmasi.

Dalam pekerjaan ini model cadangan bersifat eksternal (Grok) dan tanpa filter. Bagi sistem lokal kami hal itu tidak dapat diterima, sehingga model cadangan diganti dengan model lokal kedua. Kini model cloud hanya dipanggil melalui filter dan, bila diperlukan, setelah konfirmasi eksplisit dari pengguna.

Pemantauan

Pemeriksaan pagi rumah dan komputer

Rangkaian dalam gambar: Strata v0.1.43 + Qwen3.8-Flash-Next (IQ3_S) + agen. Agen membaca sensor Home Assistant (suhu, kelembapan, gerakan, cahaya, energi) dan memeriksa cadangan, disk, serta suhu komputer. Kami berkomunikasi dengannya lewat Telegram.

Temuan pemeriksaan: ruang komputer bersuhu 28,8 °C, jelas lebih hangat daripada ruangan lain, jadi ventilasi dan pendinginan perlu diperiksa; baterai sensor di kantor (20%) dan teras (30%) perlu diganti; sensor pintu “Leo” menunjukkan ON, tetapi datanya mungkin sudah usang dan perlu dicek langsung.

Viktor bahkan tidak membuka antarmuka Home Assistant. Alat bantu hari itu: ChatGPT menggambar ilustrasi unggahan, ChatGPT Go + Codex membantu penyiapan, dan agen sesekali beralih ke Grok 4.7 sebagai model tambahan untuk penalaran rumit.

Dalam pekerjaan ini model cadangan bersifat eksternal (Grok) dan tanpa filter. Bagi sistem lokal kami hal itu tidak dapat diterima, sehingga model cadangan diganti dengan model lokal kedua. Kini model cloud hanya dipanggil melalui filter dan, bila diperlukan, setelah konfirmasi eksplisit dari pengguna.

Ilustrasi untuk unggahan, bukan tangkapan layar.

Kecepatan model

31 tok/s dengan RAM hampir kosong: model dibaca dari SSD

Pengaturan: model Qwen3.8-Flash-Next IQ3_XXS (~47 GB), konteks 64K (65.536 token), cache KV 8-bit, mode low-RAM: sebagian “pakar” model dibaca dari SSD. Kartu grafis AMD Radeon RX 9070, ~16 GB.

Hasil di monitor Strata: 12.136 token dalam 396,3 detik, generasi 31,0 tok/s, VRAM 15,7 dari 16 GB, RAM 3,2 dari 31 GB, GPU 45 °C. Di memori video ada 5.681 “pakar” (9,2 GB); sisanya dibaca dari disk.

Kesimpulan: model besar berjalan tanpa RAM yang sangat besar, karena mesin menyimpan bagian terpenting di memori video dan membaca sisanya dari SSD cepat. Ini jalan menuju komputer AI lokal yang jauh lebih terjangkau.

Kecepatan model

Konteks 256K: 26 permintaan di satu kartu grafis 16 GB

Tujuannya sederhana: memahami cara mengotomatiskan proses seperti ini nanti di berbagai perangkat keras dan cara menyajikan hasilnya untuk perbandingan. Mesin: Intel Core Ultra 7 270K Plus, RAM 31 GB, AMD Radeon 16 GB.

Rekap sejak Minggu pagi (09:44): 26 permintaan, 169.326 token prompt dibaca dengan 108 tok/s (1.923.247 lainnya diambil dari cache percakapan), 166.539 token ditulis dengan rata-rata 20,5 tok/s. Konteks terisi 62% (162k dari 256k).

Tidak semuanya mulus: daftar menunjukkan satu permintaan “Closed” dan satu “Stopped”. Video di unggahan asli memperlihatkan model menulis jawaban teknis panjang; di sana Viktor juga menjelaskan apa yang gagal.

Kecepatan model

RAM lebih besar: 45 tok/s pada konteks 164.000 token

Komputer: Intel Core Ultra 7 270K Plus (24 thread), AMD Radeon 16 GB, RAM 62 GB, konteks 262.144 token. Kini mesin juga memakai RAM: terpakai 53,5 dari 62 GB.

Dua permintaan masing-masing sekitar 162.000 token: yang pertama dibaca dengan 1.176 tok/s, generasi 48,3 tok/s; yang kedua hampir seluruhnya dari cache percakapan (162.199 token), generasi 45,2 tok/s.

Kompromisnya jelas: dengan RAM lebih besar generasi jauh lebih cepat, tetapi memori untuk tugas lain berkurang. Dengan 31 GB mesin hampir tidak menyentuh RAM, dan komputer tetap bebas untuk pekerjaan lain.

Kecepatan model

Xeon lama dan Tesla P100: 19–27 tok/s

Model tidak muat di RAM dan berjalan dari memori video (15,7 dari 16 GB) serta dari disk NVMe melalui PCIe 3.0. Beban prosesor sekitar 45%, RAM hampir kosong: komputer bisa dipakai juga untuk pekerjaan lain.

Di monitor: generasi saat ini 26,9 tok/s; di riwayat permintaan, 19,3 tok/s pada jawaban pendek (253 token) dan 25,3 tok/s pada jawaban panjang (12.686 token dalam 504,1 detik). Kartu grafis 36 °C, 97 W dari 250.

Bagi kami ini patokan harga utama: bahkan perangkat keras lama dan murah, dengan mesin yang disetel dengan benar, sudah layak untuk pekerjaan nyata.