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...
(圖片與資訊來源：Instant Digital Camera - Z2300)
寶麗來官網最近開始可以預購新推出的 Z2300，和前一款 Z340 在定位上更貼近一般入門使用，同樣是 zink 的列印技術，相機小台一點，所以能印的相片比較小，畫素比 Z340 少。
整體來說設計的蠻簡潔的，機身的樣子就像一台一般的數位相機，不像之前的 Z340 有一種帶著印表機出門的感覺，有白黑兩色可選，官網的預購網址在此。
比較一下：
| 型號 | Z340 | Z2300 |
| 畫素 | 1400 萬 | 1000 萬 |
| LCD | 2.7 吋 | 3 吋 |
| 列印尺寸 | 3x4 吋 | 2x3 吋 |
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！