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...
使用相機：Contax NX + Contax N Carl Zeiss Vario-Sonnar 24-85mm
使用底片：Fujifilm X-tra 400
沖洗店家：五色鳥
機身自有，鏡頭借來的。
我很喜歡鏡頭的散景，基本上，人家說只要迷上所謂蔡司的奶油味，就可算是踩進無底洞救不回來了。這捲拍的時候，都是以評價測光來拍的，如果電力沒問題，感覺上曝光傾向或許是有點 Under 的。
這散景，實在是很特別，我沒後製，是五色鳥沖掃直接上傳，人像拍起來感覺相當銳利。
Giroro 到台大一遊
樹影下的照片，下次測光要試試其他的測光模式
其實我第一捲先試了一捲過期的正片，再正沖負，但是洗出來黑鴉鴉一片，殘念。
我的FX8故障了
回覆刪除想換一台,介紹店家吧~
想敗FX65 或 ZR1,您覺得哪台好??
先謝謝了
FX65 跟 ZR-1, 明顯差別應該是在光學變焦, 機身的厚薄就看你好不好握, 有人是說 FX65 畫質比較好, 高 ISO 表現也比較好, 但我沒測過所以不清楚
回覆刪除別人寫的 FX65 開箱文: http://www.shopping01.com/topicdetail.php?f=250&t=1239062
至於店家, 買公司貨的話就沒差, 水貨就找你覺得信得過的店家, 我沒什麼口袋名單說.. 真不好意思..
(我 LX3 是在台北博漢特區買的)