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...
(攝於永和河濱公園，Contax 139Q，Planar 50mm f1.4 AEJ，Kodak ProFoto XL 100 36+)
使用相機：Contax 139Q with Planar 50mm f1.4 AEJ
使用底片：Kodak Profoto XL 100 36+
沖掃店家：公館五色鳥
如果我可以指定一支希望不要漲價也不要停產的底片，目前來說應該是這支 Kodak Profoto 100，一般戶外場景幾乎都能夠有所見即所得的表現，室內主要是因為 ISO 不夠高而有所限制，這次有在敦南誠品拍的室內複雜光源的場景，室內不打閃的情況下，表現也很自然。
大中午去北藝大玩泡泡和玩球》
一個人去永和河濱公園散步》
有一天去敦南誠品剛好遇到的小型簽唱會，鄭宜農》
一個人亂晃拍的，在唭哩岸站附近》
其他本卷照片：Contax 139Q vol.4
這卷底片真是讚
回覆刪除Re: applepeel <6059363029062958780>
回覆刪除真的，好怕這支突然漲價... XD
不然找看看有沒有便宜的網購來share
回覆刪除Re: applepeel <8508900300031416146>
回覆刪除就我目前常買的兩家價格都還蠻穩定的，70 元。
吼！我被貴了5塊
回覆刪除Re: applepeel <6521490752098247625>
回覆刪除每個地方的進貨成本因為量可能有差吧。網拍的話可以找永佳買(要付運費就是了)
http://tw.page.bid.yahoo.com/tw/auction/f15588904?u=Y3190273151
吔嗯！運費加上去…，
回覆刪除我再到台中其他家找看看好了。
Re: applepeel <6925811328245653690>
回覆刪除如果一直找不到的話，你買 15 卷以上就會比 75 元便宜了 :P
也是喔
回覆刪除Re: applepeel <677493418780167788>
回覆刪除搞不好買到一個量可以免運之類的，要不要問問看？或者等我下次補貨我再順便幫你買再寄給你也可以啦
謝啦！
回覆刪除我先找找台中的賣家，如果需要再麻煩你