TL;DR: 用 Qwen3.5-9B（Q4_K）在單張 16GB AMD GPU 上跑本地 LLM-as-a-Verifier，每次 code comparison 約 0.5–2 秒，cache hit rate 66%，正確程式碼穩定給 1.0 分，有 bug 的給 0.0–0.14 分。16GB 跑 9B 模型綽綽有餘，還有空間跑其他服務。 這篇是實測續篇，前兩篇分別講了 架構設計 和 Docker 封裝 。前兩篇講的是「做什麼」跟「怎麼做」，這篇來量「到底多快」。 1. 測試環境 在一台 homelab Linux（CachyOS）上跑的： 項目 內容 GPU AMD 16GB（15.9 GiB）via ROCm 模型 Qwen3.5-9B（8.95B 參數，Q4_K ~5.7GB GGUF） 後端 llama.cpp（llama-server，ROCm HIP build） Verifier Docker container（llm-verifier），port 8010 模型 VRAM ~10.2 GB（模型本身 + 動態 KV cache） GPU 使用率 78% 系統 RAM 62 GB；使用 27 GB（swap 用了 9.3 GB） Context window 131,072 tokens MIN_SCORE 0.8 後端跑在另一台機器上，走 local Gigabit 網路連線。 2. Verifier 在幹嘛 docker-llm-as-a-verifier 包裝了 LLM-as-a-Verifier 這個研究套件，讀取 token-level log probability 來算連續分數，不是簡單的 yes/no 判斷。 Container 開了 7 個 HTTP endpoint： Endpoint Method 用途 /health GET 健康檢查 /v1/compare POST 兩組答案比對評分 /v1/select POST Best-of-N 選最佳 /v1/track POST Agent 軌跡分數追蹤 /v1/directed POST 導...
使用相機：Contax 167MT + Carl Zeiss Sonnar T* 135/2.8
使用底片：AGFA CT Precisa 100
沖掃店家：公館五色鳥
拍完第一卷，覺得拍得蠻爛的，無法展現 Contax 的實力，135mm 不是常用的焦段，並且防潮箱太小，拍完就還給大姨子了。底下就挑幾張覺得還可以的分享一下。
Contax 167MT 的快門，實在是相當輕巧，有時候，手輕輕一按就擊發了～
另外，對於 Carl Zeiss 鏡頭的銳利，即使眼殘如我還是感受到了，老話一句，持續練習。
#1 公企中央花圃的小花
#2 馬拉巴栗
#3 印象中這張是晚上打閃拍的，這件襯衫會讓人很想出門去玩！
#4 Postpet Momo，買給老婆的禮物，不到二個禮拜已經被 Angel 扯斷一隻手了，做工實在不怎麼樣！底下附一張 K10D 拍的 momo 現況。
(Pentax K10D + FA 77mm)
#5 網球自我練習，去秀朗走走的時候，坐在操場旁邊拍的，這小女孩看起來還很生疏，會怕球。
#6 去秀朗走走的時候，也用這台拍了我們家兩位美女，底下順便附一張 K10D 的。
(Pentax K10D + DA 40mm)
#7 同事在跟廠商討論空調的問題
如果看完這些你還會想看其他照片的話，可以到 Flickr: Contax 167MT vol.1。
留言
張貼留言
回應不用錢，請多多益善！懶得寫字按個讚也是相當感謝！