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...
(圖片來源：http://www.dpreview.com/previews/samsungnx10/)
主要規格
- 15.1 Megapixel APS-C CMOS sensor (presumed to be close relation to Pentax K7 sensor) [跟 K-7 所使用的搞不好是同一片感光元件或是近似的感光元件，很好！]
- 14.6 million effective pixels
- New Samsung NX mount (25.5mm flange-back distance) [可能有 Pentax K Mount 的轉接環，太美好！]
- 720P movie capture (H.264, 30 fps)
- Contrast-detect autofocus
- 3.0" AMOLED screen (614,000 dots, PenTile RGB array)
- 921k dot Electronic Viewfinder
- 三顆預計推出的鏡頭：SAMSUNG 30mm F2 PanCake、SAMSUNG 18-55mm F3.5-5.6 OIS、SAMSUNG 50-200mm F4-5.6 ED OIS
- 感光度：100-3200
(NX-10 與 GX-20 的比較，圖片來源：http://www.dpreview.com/previews/samsungnx10/)
參考網址：
http://k-rumors.com/samsung-nx-announced/
http://www.dpreview.com/previews/samsungnx10/
http://www.dpreview.com/news/1001/10010402samsungnx.asp
http://www.dcfever.com/news/readnews.php?id=3642
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！