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...
Samsung NX 系統追蹤到現在，機身正面以及接環，還有兩顆鏡頭(18-55mm, 30mm)的照片也都流出了，官方發表日約在 2010 年 1 月。
先來看圖》
機身實在不是太好看。
兩顆鏡頭：18-55mm 以及 30mm 定焦小餅乾
再來看規格》
720p video support、369g body weight、1.5 crop
3 inch AMOLED screen 920,000 pixels
11 point autofocus
100% viewfinder, 920,000 pixel electronic viewfinder
0.2 second AF speed (Olympus 0.6 Panasonic 0.3) [蠻快的]
ISO 100~3200
12 scene modes (smart mode)、9 color modes (Smart filter) [現在相機好像都在賣場景模式跟色調模式的感覺]
Smart range (DR) [高反差也幾乎成為必備功能]
AF-assist lamp in low light and faster AF acquisition than 7D [有對焦輔助燈，速度比 7D 快，甘係金A ? ]
[圖片及資料來源：Photo Rumors ]
延伸閱讀：
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！