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...
使用相機：Olympus OM-1N with G.Zuiko 50mm f1.4
使用底片：Kodak Double-X 5222 分裝片，拍 400，HC-110 (H) 10分 25度
沖掃：自己沖，自己掃
我最近手沖大概會連續沖個兩卷，一卷會是最近拍的，另一卷則是之前累積的未沖底片，這卷好像是我用 OM-1N 拍的唯一一卷，拍的時間大概去年十到十一月間吧，我依稀記得有幾張照片那時候還蠻想看看的，只不過就一直推遲至今才沖出來。好像可以來考慮買個大罐子和另一個片軸，這樣可以一次就完成，奇妙的是今天沖這兩卷上片軸蠻順手的，奶油吃不多，只有這一卷的前後幾張有，另一卷幾乎全部過關的樣子。
第一次用 HC-110 顯影藥水，沖出來的成果好像時間拉太長了，不過我好像也蠻習慣過曝一點點，這次搖罐子改方式了，頻率變成 1 分鐘搖 5 秒，有時候也懶得上下搖，用有點像旋轉罐子的方式。
有查了一下網友分享這支 Kodak Double-X 5222 用 HC-110 的沖片數據 (HC-110 B 式工作液，水溫 20 度)，這邊順便記一下，我是利用這個數據自行調整的 (我是用 HC-110 H 式工作液，水溫 25 度)：
- ISO 200，5 分鐘
- ISO 400，6 分半鐘
- ISO 800，8 分半鐘
- ISO 1600，12 分鐘
照片》
去年還蠻熱的新聞人物，只是我不知道原來他們的補習班離上班的地方這麼近，偶然發現的。
有陣子還蠻常去的餐廳，帶了這台 OM-1N 去了兩次
吃奶油的這兩張，其實我都蠻喜歡的，是我拍的時候會想知道沖出來怎麼樣的照片，然後偏偏就是他們吃奶油。
其他本卷照片：Olympus OM-1N vol.1
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！