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...
(上圖來源：影片截圖)
德國攝影師 Rudiger Nehmzow 帶著氧氣罩和 Rolleiflex Hy6 with Leaf AFi 7 和 Alpa 12 TC with Leaf AFi-II 10，搭飛機飛到高空中，拍攝【Cloud Collection】系列。
來看看他們跟雲親密接觸的影片吧》
(From: http://youtu.be/X3uugsxV57Q)
所拍攝完成的照片在此：Cloud Collection by Rudiger Nehmzow。
的確不是普通人可以拍到的照片。不知道在高空中如何克服飛機的震動（或是震動其實很小）。
回覆刪除佩服 ~ 拍的真漂亮
回覆刪除而且拍攝的相機還這麼高檔
@Humble Land Gardener and FROCH，
回覆刪除華麗的冒險！