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...
大部份的討論是用 AGFA 原廠 Rodinal 的數據：(本表來源：digitaltruth.com)
不過我想找的是 HC-110 的：(本表來源：digitaltruth.com)
從表上看，用 HC-110 B 式工作液，20 度 7 分鐘，看了一些網路上的文章，其中談到 HC-110 的非官方調配比例的 G、H 式，順手把官方和非官方的各式工作液比例貼一下。
HC-110 各式工作液的調配比例
- Kodak 官方文件 (A~F)
- Kodak HC-110 Developer by Michael A. Covington (G、H)
| 工作液 | 濃縮液與水的比例 | 濃縮液(ml) | 水(ml) | 調配出的工作液(ml) |
| A | 1:15 | 20 | 300 | 320 |
| B | 1:31 | 10 | 310 | 320 |
| C | 1:19 | 16 | 304 | 320 |
| D | 1:39 | 8 | 312 | 320 |
| E | 1:47 | 7 | 329 | 336 |
| F | 1:79 | 4 | 316 | 320 |
| G | 1:119 | 3 | 357 | 360 |
| H | 1:63 | 5 | 315 | 320 |
想用 H 式工作液，時間是 B 式工作液的兩倍，H 式工作液稀釋比例高，一次性使用，據說用 H 式的反差會較低，暗部細節會比較多 (Ref: kodak-hc-110-developer)。
底片長這樣：
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！