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》資料來源：www.buhla.de
對焦距離：0.45m - 無窮遠
光圈：f1.4 – f16
口徑：55mm
重量：280g
鏡片結構：六片五群
光圈葉片：六片
這顆 57mm f1.4 的焦段在 Konica F Mount 時代是沒有的，進入 AR Mount 時代，這顆一開始就是擔任大光圈標配鏡頭的角色，同時期較為廉價的標頭配的則是 52mm f1.8。手上這顆從資料上來看的話，是早期 的 57mm f1.4 版本，
57mm f1.4 和 52mm f1.8 都約莫是在 Autoreflex T3 推出的 1973 之後，分別以 50mm f1.4 和 50mm f1.7 兩顆新的標配套組鏡頭所取代，所以這顆從資料上看來並沒有橡皮對焦環的版本出現，只有銀環和黑環的差別，出現 EE 的話都是黃字 EE，沒有綠字 AE 的版本。
雖然，用以取代的新版本鏡頭一定改進了許多的光學設計，也或許更符合市場潮流與需求，不過我是覺得，在各廠家都還沒發展到通通都以 50mm 做為標準鏡的焦長以前，有 58mm、57mm、55mm、52mm 等等各廠家的設計思考，在那個老時代的時間流裡，這些由各家各自設計的標頭焦長，尚有許多未修正至完美的像差，卻是最能展現屬於各家原始味道的標配鏡頭。
實拍照》
Konica Autoreflex T4，Konica AR Hexanon 57mm f1.4，Perutz Primera 200
Konica Autoreflex T3，Konica AR Hexanon 57mm f1.4，Perutz Primera 200
Konica Autoreflex T2，Konica AR Hexanon 57mm f1.4，Perutz Primera 200
Konica Autoreflex T2，Konica AR Hexanon 57mm f1.4，Fujifilm X-tra 400
Konica Autoreflex T3，Konica AR Hexanon 57mm f1.4，Kodak PJ400
本鏡實拍相片集：Konica AR Hexanon 57mm f1.4
鏡身照》
Hexanon好溫暖：p
回覆刪除Re: applepeel <5795344139960031334>
回覆刪除應該拿別支底片試的，這樣看真的不準。
因為我有拍過一台RF，所以可以感覺得到^_^
回覆刪除Re: applepeel <752670765206408762>
回覆刪除^^