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...
跟朋友借來玩的，放在他們家很久都沒拍了，當年他是在全國電子買的。
會讓我想玩的原因，大概就是因為 Praktica 的牌子吧，Pentacon 德國，曾經是有那麼點名氣的品牌，不過現在即使 Praktica 還有在出數位 DC，價格應該都淪為平價且乏人問津了吧。
35-70mm 變焦鏡頭，使用 CR123A 電池，全自動傻瓜相機，沒辦法調 EV，玩增感的唯一方法只能剪 DX Code 條碼貼在要拍的底片上面去騙相機，觀景窗超小，內建閃燈可以強制關閉，不過開機就會回復 AUTO 設定，得再切換一次 (AUTO、強制閃燈、防紅眼、關閉閃燈)。
目前 Praktica 官網上也沒有列出這台，有一台應該是比較新的型號 (ZOOM 1500AFD) 是可以調 EV 的。
總之就是一台傻瓜相機。
機身照片》
嗨想請問一下這台可用柯達gold的膠卷嗎
回覆刪除您好，此相機使用 135 底片（35mm）
刪除請問左上角兩個三角形一個圓按鈕是做什麼用的
刪除