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...
對焦距離：0.3m - 無窮遠
光圈：f2.8 – f16
口徑：55mm
重量：240g
鏡片結構：六片五群
光圈葉片：六片
35mm 這個焦段是從 Konica 第一代接環 (Konica F Mount) 就有的鏡頭，在 Konica F 時代是最廣的焦段。
鏡身長度蠻長的 (57mm)，加上口徑也不小，不算是顆小鏡頭，手上這顆是進入 AR 環的第二個版本，有光圈環鎖，銀光圈環，金屬對焦環，黃字 EE。鏡片結構早期最小光圈只到 f16 的，是六片五群的結構，後期最小光圈到 f22 的，鏡片結構改為五片五群，鏡身也比較短 (38mm)。
看了幾顆 Konica AR 的鏡頭，大致上有幾個可以判斷新舊演進的點：
- 無光圈鎖比有光圈鎖老
- 銀環比黑環老
- 黃字 EE 比綠字 AE 老
- 金屬對焦環比橡皮對焦環老
實拍照》
Konica Autoreflex T2 + Konica AR Hexanon 35mm f2.8 + Fujifilm X-tra 400
待補
本鏡實拍相片集：Konica AR Hexanon 35mm f2.8
鏡身照》
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！