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...
對於 Petri 有個懸念，是那台朋友送的 Petri 2.8 CCS，一直未能找到可以用來換掉後鏡組的零件機，在海灣搜尋的過程中不小心讓我發現這台擁有大光圈的 Petri ES Auto，手癢出了個價想不到最後就以起標價得手了。
從規格上看起來，跟同樣 1970 年代推出的 Minolta Hi-matic E 幾乎相同，搭載同樣焦段光圈 40mm f1.7 的鏡頭，同樣採用 Seiko ESF 電子快門，最速快門同樣達到 1/1000 秒，比 Hi-matic E 更優的地方是可以自己轉動光圈環控制光圈大小！
ES 指的是 Electronic Shutter 電子快門，沒電是無法作動的。Petri ES Auto 在美國 K-mart 是以 Focal ES Auto 的名稱銷售。據資料上指出，Petri ES Auto 有兩款不同鏡頭的版本，除了這款 40mm f1.7 以外，還有另一款是 38mm f2.7，但都名為 Petri ES Auto。
相機規格：
- 鏡頭：C.C Petri 40mm f/1.7 (六片四群)，口徑 52 mm，可上濾鏡及遮光罩 (下圖來源：手冊載圖)
- 最近對焦距離：0.8 m，疊影對焦。
- 有自拍撥桿，9 秒。
- 防止快門按壓之鎖定鈕：有，快門釋放鈕的下方轉環對在黑線就是 UN-Lock，往順時針方向轉約 30 度就會 Lock 住快門釋放鈕。
- 熱靴：有，並且可以設定 GN 值。(亦可使用 PC 線連接閃燈)
- 快門：Seiko ESF 電子式快門 2 秒 - 1/1000 秒，沒電無法作動。
- ISO：25 – 800。
- 重量：約 520g。
- 尺寸：133×78×56mm
- 原本使用的電池：HM-N 型水銀電池 (1.35V) 兩顆 (同 PX640、PX640A)，我是採用跟 Minolta Hi-matic CS 一樣的方式，一邊裝上兩顆 LR44，另一邊裝上螺帽跟金屬墊片，這樣就可以很方便的取得 LR44 電池使用。
資料參考：
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！