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...
(Sony A450，Minolta AF 50mm f1.7，Sony HVL-F58AM)
在經過幾場拍攝活動，沒有自動閃燈只能手動調 Minolta 5400 HSS，實在不方便，終於還是決定入手 58 閃。
Sony 的 58 閃除了出力強大以外，最大的特色，就是別家都沒有的閃燈擺頭操作方式，一般都是燈頭可以前後左右上下擺，而 Sony 這支 HVL-F58AM 則是設計成可以直接轉動閃燈本體，實際使用感受最大的是在於直拍時閃燈擺向的方便性和實用性，操作上相當直覺，後擺的角度也蠻大的，當然這種當家最高級閃燈都會內建反光片和擴散板這就不用多說了，以各家最高級閃燈的價位來比較，Sony 這支 58 閃也十分超值！
沒用過這麼大支的閃燈，耗電也是有點驚人，昨天晚上實際拍了一兩百張，居然讓我換了兩次電池 (不過第一次是之前拿來試燈就放進去的)，看來可能真的要買外接電池盒吧，如果日後需要拍大場子活動的話，現階段大概就是多準備幾組低自放來因應了。
另外，閃燈底座是放在隨附的閃燈套裡頭的夾層，找了好久才發現，還以為沒附咧。
如果真的要買 Sony Alpha 系統的閃燈，建議一次攻頂吧！如果你不會太 Care 體積的話。
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！