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：Google Search)
- 螢幕：10.1吋 LED背光，IPS面板 1280 x 800 電容式10指多點觸控
- 作業系統：Android 3.0 Honeycomb
- 處理器：NVIDIA Tegra 2 雙核心處理器
- 記憶體：LPDDR2 1GB
- 容量：16GB / 32GB + Asus Webstroage 無限制空間
- 無線：802.11 b/g/n，Bluetooth 2.1 + EDR
- 相機：前120萬畫素，後500萬畫素
- 介面：音源孔、mini HDMI 1.3a、MicroSD讀卡機
- 感應器：重力感應器、環境光源感應、陀螺儀、電子羅盤、GPS
- 3G：選配
- 電池：9.5小時，24.4Wh鋰電池，加dock有16小時
- 尺寸：271 x 177 x 12.98mm
- 重量：680克
- 價格：16GB 新臺幣14,900元，加鍵盤基座新臺幣17,900元、32GB 新臺幣16,900元，加鍵盤基座新臺幣19,900元
- 上市時間：3月25日，網路指定通路開放首批預購，隨機送皮套，預計4月初到貨。
外觀看起來還不賴，有意思的是設計出有鍵盤的基座，合體之後就是一台小筆電，利用鍵盤底座還能外接兩組USB和支援SD讀卡機，可以直接外接鍵鼠，或是外接硬碟，要買肯定是要連基座一起買滴！
在 CES 發表時的影片：
另外，華碩在 Facebook 建置了一個 EeePad Transformer 的專頁，目前有三集變形狂想曲的廣告，參加活動也可以抽變形平板哦！
網路賣場價格參考：
或者也可以利用《網路購物商城一次搜》找找其他賣場。
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！