Qwen3.8-Flash-Next mit Strata ausgeführt und drei Projekte von OpenCode erstellen lassen

Ich habe das 125B-MoE-Open-Model „Qwen3.8-Flash-Next“ über Strata auf einem Windows-PC mit einer RTX 4090 ausgeführt und es als Implementierungsagenten in OpenCode eingesetzt.

Getestet habe ich drei Projekte: ein 3D-Spiel mit Three.js, eine eher praxisorientierte Web-App und eine 30-sekündige Motion-Graphics-Sequenz. Das Fazit vorweg: Das Spiel und die Web-App waren erfolgreich. Das Video ließ sich zwar erzeugen, aber die Bildqualität hat noch deutlich Luft nach oben.

Dies ist kein strenger Benchmark, sondern ein sehr subjektiver Praxistest.

Ausführungsumgebung

Komponente	Konfiguration
GPU	NVIDIA GeForce RTX 4090 24GB
CPU	Intel Core i7-13700K (16 Kerne / 24 Threads)
RAM	64GB
OS	Windows 11 Pro
Inferenz	Strata v0.1.40.2 / Qwen3.8-Flash-Next IQ2_XS
Kontext	262.144 Tokens
Coding-Agent	OpenCode v1.17.13

Das Modell selbst ist rund 70GB groß. Auf der 4090 lagen kurze Antworten bei etwa 86–108 tok/s; auch lange Prompts mit 32K–128K konnten mit etwa 4.400–5.000 tok/s eingelesen werden. Selbst 255K Tokens ließen sich tatsächlich verarbeiten.

Die größte Einschränkung war allerdings nicht der VRAM, sondern der Arbeitsspeicher. Da Strata viel Speicher belegt, wird es auf derselben 64GB-Maschine schnell eng, wenn Docker, Next.js-Builds und Playwright gleichzeitig laufen. Wer ernsthaft parallel entwickeln möchte, braucht aus meiner Sicht mindestens 96GB oder sollte Inferenz- und Entwicklungs-PC trennen.

1. 3D-Spiel mit Three.js: Erfolg

Zuerst ließ ich ein 3×3×3-„Lights Out in 3D“ mit Three.js erstellen. Neon, Bloom, Soundeffekte, eine japanisch-englische Oberfläche, Undo und eine Level-Clear-Inszenierung waren enthalten – mit nur einem Prompt.

Der Tech-Stack besteht aus einer einzelnen HTML-Datei und Three.js. Die 559 Zeilen Implementierung bündeln Rendering, Post-Processing, Web Audio und Maussteuerung. Es wurden etwa 31.000 Tokens erzeugt, die benötigte Zeit lag bei etwa fünf Minuten.

Bei der Prüfung mit Headless Chrome gab es keine JavaScript-Fehler. Klicken, Drehen der Ansicht und das Abschließen eines Levels funktionierten tatsächlich.

Es gab einen Fehler: Bei der Level-Generierung und beim Zurücksetzen wurde das Spielfeld unterschiedlich erstellt. Da jedes Layout auf diesem 3×3×3-Spielfeld mathematisch lösbar ist, kann das Spiel dadurch aber nicht unlösbar werden.

• Subjektive Erfolgsquote: 90%
• Benötigte Zeit: etwa 5 Minuten
• Bewertung: Für eine Einmalgenerierung sehr gut. Optik und Funktion ergeben ein vollwertiges „Werk“

2. Eine Web-App mit einigermaßen vielen Funktionen: Erfolg

Als Nächstes kam „ORBIT“, eine Verwaltungskonsole für Studiobuchungen. Statt nur eines Dashboards ließ ich eine Next.js-App mit 12 Bildschirmen und etwa 5.700 Zeilen erstellen.

Der Tech-Stack umfasst Next.js 16.4 (App Router / TypeScript), Tailwind CSS, Prisma 6.19, SQLite, recharts, date-fns, zod, jose und bcryptjs. Implementiert sind Login, Monats-, Wochen- und Tageskalender, Buchungsverwaltung, Kunden, Räume, Mitarbeitende, Rechnungen, Berichte und Einstellungen.

Die erste autonome Entwicklung dauerte 62 Minuten. Davon hing sie allerdings 37 Minuten in einem nicht endenden Smoke-Test fest, sodass die tatsächliche Arbeitszeit des LLM bei etwa 25 Minuten lag. Alle 12 Bildschirme waren 26 Minuten nach dem Start vorhanden. Allein bei der ersten Entwicklung wurden 157.000 Tokens erzeugt.

Bei der abschließenden Prüfung bestanden 24 von 25 E2E-Punkten. TypeScript, Build, Lint und Smoke-Test liefen ebenfalls durch. Von acht angeforderten Korrekturen wurden sieben erledigt.

Andererseits meldete es beim ersten Durchlauf trotz verbliebener Lint-Fehler selbst, dass „alle Bedingungen bestanden“ seien. Außerdem bleibt an einer Stelle in der mobilen Ansicht horizontales Scrollen bestehen. Auf Selbstmeldungen sollte man sich also nicht verlassen; eine separate Testinstanz ist nötig.

Ein weiteres Problem war die PostgreSQL- plus Docker-Konfiguration. Mit 64GB RAM blieb nicht genug Spielraum, um Strata, Docker und Builds gleichzeitig zu betreiben, sodass ich letztlich auf SQLite wechselte. Der Agent wurde wegen Speichermangels zudem zweimal zwangsbeendet.

• Subjektive Erfolgsquote: 95%
• Benötigte Zeit: etwa 62 Minuten (tatsächliche Arbeit etwa 25 Minuten) + etwa 30 Minuten Korrekturen
• Bewertung: Zumindest gewöhnliche Web-Apps dürften sich damit umfassend erstellen lassen

3. Motion-Graphics-Video: Erzeugung erfolgreich, Qualität noch ausbaufähig

Zum Schluss kam „STRATA // SIGNAL“, eine 30-sekündige, zur Musik synchronisierte 4K-Motion-Graphics-Sequenz.

Der Tech-Stack besteht aus Python, Skia, NumPy, SciPy, Pillow und FFmpeg. Nicht nur das Bildmaterial, sondern auch die algorithmische Musik mit 128 BPM und 16 Takten wurde per Code erzeugt. Die fertige Datei hat 3840×2160 Pixel, 30fps, 900 Frames und eine Länge von 30,000 Sekunden. Der Ton ist Stereo mit 48kHz und -14 LUFS.

Vom Start bis zum fertigen 4K-Video dauerte es etwa anderthalb Stunden. Dazwischen lagen eine Sitzung, die bis zur 32K-Ausgabegrenze immer wieder denselben Gedankengang wiederholte, eine Sitzung, in der OpenCode nach dem Start 13 Minuten stillstand, sowie ein Abbruch wegen Speichermangels während des finalen Renderings. Das 4K-Rendering selbst dauerte rund elfeinhalb Minuten.

Als Videodatei funktioniert es. Die vorgesehenen Neonringe und Lichtstreifen sind in 4K jedoch kaum sichtbar, und insgesamt ist das Bild dunkel. Das körnige Rauschen ist stark, die Szenenwechsel sind schwach und die Synchronisierung von Bild und Beat ist schwer erkennbar. Dass das System 30 Sekunden in 4K inklusive Audio selbstständig fertigstellen konnte, ist positiv zu bewerten; die kreative Qualität lässt sich aber schwerlich als bestanden bezeichnen.

• Subjektive Erfolgsquote: 50%
• Benötigte Zeit: etwa anderthalb Stunden
• Bewertung: Die Erzeugungspipeline lässt sich bauen. Für die Bildgestaltung sind jedoch menschliche Reviews und mehrere Überarbeitungsrunden nötig

Fazit: Vermutlich das stärkste Open-Model, das auf einer RTX 4090 läuft

Sehr subjektiv betrachtet ist Qwen3.8-Flash-Next vermutlich das stärkste Open-Source-Modell, das ich bisher auf einer RTX 4090 nutzen konnte.

Besonders stark ist es bei der Web-App-Entwicklung. Übergibt man eine Spezifikation, kann es Apps mit vielen Oberflächen planen, implementieren und bis zu Build und Tests weitgehend durchziehen. Natürlich sollte man der Selbstmeldung „fertig“ nicht trauen; eine unabhängige Prüfung ist zwingend. Trotzdem ist es ehrlich beeindruckend, wie weit man allein mit einem lokalen Modell kommt.

Vom Gefühl her bietet es ungefähr die Praxistauglichkeit von Sonnet aus der Zeit, als Opus noch zu teuer war, um es unbeschwert einzusetzen – an die Version erinnere ich mich nicht mehr. Auch das Spiel war ziemlich gut. Bei Aufgaben wie Motion Graphics hingegen, bei denen zwischen funktionierendem Code und einem guten Ergebnis als Werk eine große Lücke liegt, besteht weiterhin Prüfbedarf.

Und das größte Problem war diesmal nicht die Intelligenz des Modells, sondern der 64GB-RAM.

Auch lokale LLMs entwickeln sich wirklich weiter.