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...
Snapcast Server 裝好之後，你可以利用 Snapcast Client 去同步 Server 端正在播放的音樂。
目前 Snapcast 支援的環境有：
- Linux
- FreeBSD
- macOS
- Android
- OpenWrt
- Buildroot
- Raspberry Pi
文件在此：https://github.com/badaix/snapcast/blob/master/doc/build.md
From: https://github.com/badaix/snapcast/releases/latest
一、Android 手機
有 apk 可以裝，記得打開允許安裝不明來源的應用程式，下載裝完。
打開 app 設定 Server
然後就按上面的箭頭就可以聽到聲音囉，也可以用 app 控制連上同一台 Snapcast Server 的 Client，調整音量或切換 Server 的頻道等。
二、樹莓派板子
有 deb 可以裝，不是用 debian 套件管理的就要自己編了。
wget https://github.com/badaix/snapcast/releases/download/v0.11.1/snapclient_0.11.1_armhf.deb sudo dpkg -i snapclient_0.11.1_armhf.deb
編輯 Snapcast Client Config，比方說 Server 端 IP 在 192.168.0.100
sudo vi /etc/default/snapclient
START_SNAPCLIENT=true USER_OPTS="--user snapclient:audio" SNAPCLIENT_OPTS="-d -h 192.168.0.100"
啟動服務
sudo service snapclient start
Server 開著並且有播音樂的話，應該就會聽到聲音了
三、MacBook
按照文件可以編譯成功 (Sierra 10.12.6)，請參考：
Build.md macOS (Native)
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！