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...
資料參考：攝影家手扎
摘錄：
三星NX在概念上和微3分之4系統如出一轍，都以消除反光鏡是最大的賣點。所不同的地方與競爭的微4/3規格，NX系列照相機使用的是既有的 APS-C感光元件，以普及程度和價格來看，三星NX此招不僅大幅度地節省成本，機身設計上更可和現在微4/3強調小吋機型一較高下。
我比較重視手持的感覺以及機身的質感，不曉得實際的機子設計如何？也不確定是否採用與 Pentax 相同的接環(如 GX 系列)，去年還有 Samsung 要開發全幅機種的消息，至今也是沒有後續，後來有發現 Samsung 出的 DC，採用了信乃達 Schneider 的鏡頭，感覺 Samsung 跟其他廠商的合作很頻繁，但實在是這個品牌在相機界的知名度太低了，身邊很少發現用 Samsung DC 或 DSLR 的朋友。
我倒是對 NX 系列蠻有興趣的，如果 Samsung 採用 PK 接環，機子跟價格有競爭力，我應該就不會再考慮 Micro 4/3 的系統，在有限的預算底下，能夠用原來 P 家的系統比較實際。
摘錄：
三星NX在概念上和微3分之4系統如出一轍，都以消除反光鏡是最大的賣點。所不同的地方與競爭的微4/3規格，NX系列照相機使用的是既有的 APS-C感光元件，以普及程度和價格來看，三星NX此招不僅大幅度地節省成本，機身設計上更可和現在微4/3強調小吋機型一較高下。我比較重視手持的感覺以及機身的質感，不曉得實際的機子設計如何？也不確定是否採用與 Pentax 相同的接環(如 GX 系列)，去年還有 Samsung 要開發全幅機種的消息，至今也是沒有後續，後來有發現 Samsung 出的 DC，採用了信乃達 Schneider 的鏡頭，感覺 Samsung 跟其他廠商的合作很頻繁，但實在是這個品牌在相機界的知名度太低了，身邊很少發現用 Samsung DC 或 DSLR 的朋友。
我倒是對 NX 系列蠻有興趣的，如果 Samsung 採用 PK 接環，機子跟價格有競爭力，我應該就不會再考慮 Micro 4/3 的系統，在有限的預算底下，能夠用原來 P 家的系統比較實際。
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！