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：dcwatch.impress)
TOKYO TRADING 公司近日推出 SwimmingFly Sominin 玩具相機，預計 7/25 發賣，售價為 2980 日元，四款顏色：藍、橙、紅、黑 (如上圖)
200 萬畫素，最近對焦距離 30cm，光圈 f2.8，可以拍 720x480 (30fps) 的影片，相機本身有磁鐵，可以吸附在鐵質物品上，使用 MicroSD，最大可以支援 16GB，內建 USB 接頭，拔掉蓋子就可以連接電腦，當做隨身碟用也不會太大，尺寸是 3.5 × 7 × 1.5 cm，重量只有 24 公克。
這台玩具相機實拍的影片：(From: http://youtu.be/l-hDbFz-upA)
詳細請參考官方產品賣場：http://www.t-tra-direct.com/fs/ttzakka/swimming_fly/70009
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！