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...
Angel 馬麻的好同學，送了一台嬰兒車給我們，我們出門用過兩次，因為我們家在公寓的五樓，扛上來真的是有點重，所以 Angel 馬麻便開始物色輕便的嬰兒車。
實際去一些店裡逛過，然後也在網路上尋找，馬麻的好眼光最後挑中的是這台 Zooper Stomp，是 Zooper ESCAPE 輕便系列中最輕的一款，價錢的定位應該就像是 Pentax K-m，但該有的附件跟設計感仍然沒少，並且擁有最輕巧的車身！超高 c/p 值！
馬麻這台車好坐耶！座布柔軟舒適，座位空間蠻大的。
附件有 UV 遮陽罩和防雨罩，並附一個好看的袋子。
這台適用6個月以上～18公斤，好收輕巧，五吋的輪子。
蠻大的置物空間，還有一個貼心的杯架。
實在不太會拍這種產品照，要多練習！傷眼就請大家海涵，請參考國外的商品連結吧！
因為台灣好像沒有這款，請問這款車要去哪裡買？價格？
回覆刪除使用過後覺的好用嗎？
因為想買一台傘車，感謝！
大毛您好，
回覆刪除我們家有兩台推車(另一台是 Combi 的)，這台傘車我很喜歡，蠻好推的，搬上搬下又輕，之前是在 Y 拍找的，現在好像也沒這款了。
更正一下，是 Aprica...
回覆刪除