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...
對焦距離：0.3m - 無窮遠
光圈：f2.8 – f16
口徑：49mm
重量：170g
鏡片結構：七片六群
光圈葉片：六片
視角：63 度
資料與右圖來源：G-Zuiko AUTO-W 35mm f/2.8 (mir.com.my)
OM 系統的廣角鏡中，35mm f2.8 這顆相當小巧，一般評價都相當不錯，銳利度、畸變的控制以及抗耀的能力，加上 35mm 這個好用的焦長，輕巧的鏡身，是 OM 系統中，相當經濟實惠的鏡頭，C/P 值很高。
就國外的介紹文章來看，這顆 35mm f2.8 從 70 年代開始生產，1984 年以後多了 MC 的標示，新版 MC 鏡除了鏡身變長，重量也變重，手裡這顆是沒有標示 MC 的版本，一般說法是除了鍍膜以外，基本上光學結構並沒有太大的改變。
OM System 鏡頭群，同焦段中一般 f2.0 光圈的鏡頭價格都比較高，是鏡群中算是高階鏡的選擇，同焦段略小光圈的鏡頭普遍也都有不差的畫質評價，即使是窮人的選擇，卻絕對有超值的表現。
實拍照》
Olympus OM-2 + OM G.ZUIKO AUTO-W 35mm f2.8 + Kodak Profoto XL 100 36+
本鏡實拍相片集：Olympus OM G.ZUIKO Auto-W 35mm f2.8
鏡身照》
不得不說 OM 的機子跟鏡頭真的蠻好看的。
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！