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...
鏡頭資料》
對焦距離：1m - 無窮遠
光圈：f2.5 – f32
口徑：52mm
重量：435g
鏡片結構：五片四群
光圈葉片：七片
視角：23°20′
生產年份：約自 1973 年開始生產
資料來源：destoutz.ch
這顆鏡頭網路上有個傳說，國家地理雜誌攝影師 Steve McCury 用這顆鏡頭拍下著名的「阿富汗少女」。於是，聰明的賣家搭著這個題材，炒高這顆鏡頭的二手行情，但事實上這是個未經本人證實的傳言，也未有任何可靠的證據足以證明。
先撇開這顆鏡頭是不是名人用過而成名，這顆鏡頭上所標示的 Nikkor-P.C，P 是指五片的鏡片結構 (U=1，B=2，T=3，Q=4，P=5，H=6，S=7，O=8，N=9，D=10)，而 C 指的是多層鍍膜；再依據冼老師的說法，這顆鏡頭早期是 Sonnar 結構，1973 年後才改成雙高斯的設計，較早期的是白色鏡口，後期改為黑色鏡口，可以參考：Nikkor 105mm f/2.5 Telephoto Lenses。
我個人覺得這顆鏡頭很不錯的地方在於不大不長的鏡身，擁有 f2.5 夠大足夠虛化散景的光圈，以中長焦或人像鏡用途的需求來說的確是個不錯的選擇。
兩篇網友對這顆鏡頭的介紹：
- 分享 Nikkor-P.C Auto 105mm F2.5 這顆鏡頭 (great7)
- 陳釀老酒 Nikon 105mm F2.5 P.C Auto (梁大叔的光影世界)
實拍照》
Nikkon FE + Nikon Nikkor-P.C Auto 105mm f2.5 + Kodak PJ 400
Nikkon FE + Nikon Nikkor-P.C Auto 105mm f2.5 + Fujifilm X-tra 400
本鏡實拍相片集：Nikon Nikkor-P.C Auto 105mm f2.5
鏡身照》
七片葉片
我以前一直以為NIKON 的PC鏡頭裡面有PC晶片
回覆刪除我以前以為NIKON的PC鏡頭裡面都有PC晶片
回覆刪除Re: 徐卡文 <2156273490754262736>
回覆刪除好聰明的感覺。