一次 Strata 推理循环防护的完整落地：四层防护、两条克制原则、一个必须守住的接线口。

环境　Tesla V100-PCIE-32GB + 96 GB RAM，串行跑 Qwen3.8-Flash-Next（MoE，每层 512 experts）
模型　OrcaRouter Uncensored Q4_K_M　·　SC117 GSQ-RCO-abliterated IQ3_S
软件　serve/server.py　+　engine-cuda12/（v0.1.42）
口径　所有结论来自本机实测或源码常量，逐条标注出处

 

问题：模型在“思考”里绕圈

长任务（尤其是长上下文）下，模型会在 <think> 里陷入重复：同一批校验段落反复重写，或者更隐蔽地
写成一个超长“单词”——一段两万多位的数字串，在循环同一个 11 位模式。外部看到的症状是：

  • 一直思考、迟迟不给答案；
  • 思考到 max_tokens 被硬截断，客户端收到空回答
    （日志：the reply reached max tokens while still thinking, so it has no answer）；
  • 重复得越久，越难自己跳出来。

Strata 对这个问题的处理是四层：从“检测”到“换挡续写”再到“兜底收尾”，每一层都可以单独开关。

阅读剩余部分 –