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：Sigma SD1 Offical Site)
雖然，SD15 讓我們等了很久很久才上市，不過，Sigma SD1 的出現無疑是一顆超級震撼彈！感光元件尺寸進化為 APS-C Size，畫素高達 4600 萬 (15.3M x 3)，訴求大尺寸輸出的強大實力！一堆實拍的 Sample 圖和影片看的人都傻了！直呼，太誇張了吧！
CP+ 展場影片報導》
Sigma SD1 實機拍照測試影片》
Sigma SD1 國外報導》
- Sigma SD1 - Flagship DSLR featuring New 46-megapixel Foveon X3 by digitalphotographywriter.com
- Sigma SD1 leaflet and new sample shot.. by carl rytterfalk
所以我們要問，這麼好的東西要在哪裡才買得到呢？幾多錢呢？什麼時候開始賣呢？
媽的，好期待！
有興趣研究數位相機怎麼記錄色彩的話，數位家庭有一篇台大教授的文章 (PDF File)，可以參考一下：國內數位影像權威現身解密－打開數位相機記錄色彩的秘密之門
SD1的官方smaple超兇
回覆刪除http://www.sigma-sd.com/SD1/pdf/SIGMA-SD1_Leaflet_Inside.pdf
人間凶器！！
回覆刪除狗模眼裡的人，怎麼看都覺得不可思議！
回覆刪除