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...
對焦距離：0.45m - 無窮遠
光圈：f1.8 – f16
口徑：49mm
重量：170g
鏡片結構：六片五群
光圈葉片：六片
視角：47 度
資料與右圖來源：Zuiko Standard 50/55mm lenses / Part III
這是一顆很小巧的標頭，鏡頭總長只有 31mm。F.ZUIKO 是 OM 50mm f1.8 標頭比較早期的版本，其中，ZUIKO 早期的鏡頭標示也是會把鏡片結構標示出來的哦！像這顆 F.Zuiko 代表此鏡為六片的結構 (E=5, F=6, G=7, H=8, I=9; J=10, K=11)。另外，像是 AUTO-S 的 S 代表 Standard 標準鏡，AUTO-W 代表廣角鏡 (Wideangle)，而 AUTO-T 則是望遠鏡頭 (Telephoto)。
看網路上的介紹，後期沒有標示鏡片結構的 ZUIKO 50mm f1.8 有標示 MC，早期的 F.ZUIKO 50mm f1.8 則沒有標示。
實拍照》
Olympus OM-2 + Olympus OM F.ZUIKO AUTO-S 50mm f1.8 + Fujifilm X-tra 400
本鏡實拍相片集：Olympus OM F.ZUIKO AUTO-S 50mm f1.8
鏡身照》
裝在 OM-1N 上的樣子
跟 Pentax-M 40mm f2.8 一起拿在手裡的樣子
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！