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：Pentax 6x7 with S-M-C 6x7 75mm f4.5
使用底片：Fuji RHP 400D 過期 (當 100 拍正常沖)
沖掃店家：公館五色鳥
故事是這麼來滴，時間是八月底，卡文徐問我一個問題，「過期十年的正片怎麼拍才行？」，我拍都沒拍過要我答個屁，於是他老兄飛快將底片寄，我也火速借來 6x7。
沒有測光頭的 6x7，靠著人肉測光表還是行，因為是過期，當做 100 來拍拼一拼，晴天十六法則亂拍搞得定，看看成品還可以，直接看底片更是快哭泣，真是好看到不行。
雖然只有五成的勝率，但爽度說實話沒得比，大概從此撩下去。
初次玩耍 120，可能不太靈，前幾張有疊片的問題，但實際原因也不明，拍到後來計數器很怪奇，飯沒炊熟就偷掀太心急，只有十張實在是少個極，是個很燒錢的遊戲。
可以看的五張在這裡。
其他很爛看到可能會嚇死你：Pentax 6x7 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！