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...
不確定真假，沒有詳細規格，也沒有價格，有看到留接點的孔，或許可以支援 AF (希望啦！)。
消息與圖片來源：k-rumors、pentaxforums、photorumors
另外關於 Leica M 鏡頭可否轉接到 Samsung NX10，答案是不行的，會卡到，至少無限遠無法對焦。
原音：”The quoted flange distance of the new NX mount is 25.5mm. The Leica M bayonet is 27.8mm. That sounds like good news, right? A whole 2.3mm to spare? Unfortunately, No. The tabs of the M bayonet extend behind the flange by almost 7mm, and are 43.5mm in diameter. Thus they would collide with the inner throat of the NX mount. Doesn’t look like an M-mount adapter is going to happen. (Or, not one that can focus at infinity, anyway).” From: petavoxel
後記於 2010/05：於 Samsung NX10 的產品頁中，有整個 NX10 System 的配件概覽圖，裡頭有出現 K Mount Lens 轉接環，我想，Samsung NX10 轉接 Pentax 鏡頭應該是沒問題的。
圖片來源：Samsung NX10 產品專頁
網路賣場價格參考：
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！