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...
在用 GPU 玩 AI 之前，挖礦應該是當年很潮的顯示卡用途吧。 曾經同時擁有 10 張 RX470/570/580 8GB 的顯示卡，8 張在 HiveOS 裡面跑挖礦，另外兩張分別在兩台洋垃圾上使用，一台 Proxmox VE 的主機也是有 Passthrough 給一個 Windows vm 在挖，也玩過 Passthrough 給一個黑蘋果 vm，另一台只裝 Windows 就打遊戲和跑 Android 模擬器用，話說這個配置少說已距今八年前了。 大約四年前，那時候好像又有一波礦潮，有人在收礦卡，我看價格還不錯，那 8 張挖礦用的卡就都清掉了，只留著空的礦機機箱和主機板。 今年上半年我有把手上剩下的這兩張 AMD GCN4/Polaris RX470/570/580 8GB 顯示卡測試了一下跑 Vulkan llama.cpp，跑 8B 以下量子化過後的模型，坦白說也還算能用。 RX580 這張卡到 2025 年的可玩度，考慮他出廠的年紀以及在那兩波礦潮中各種極限環境下努力工作的狀態，真可謂老驥伏櫪！ 這張顯卡現在要挖礦是有一些效率比較差的狀況，安裝支援 OpenCL 1.2 的驅動那些比較麻煩一點，昨天搞了一個下午，用一個 Ubuntu 20 的 LXC，使用 amdgpu-pro-20.30-1109583-ubuntu-20.04 裡的 amdgpu-install 終於裝成功支援 OpenCL 1.2 的驅動，總算可以成功跑 lolMiner。跟今年才誕生的 9060XT 對比，同一種演算法 BEAMHASH 可以跑出個 15 比 20 sol/s。 哦，最後我比較意外的是用 Intel A380 挖 BEAMHASH，能源挖礦效率非常好耶，本來這張很單純是想用來轉 H265 為主的卡，但想不到他的每瓦效率 (sol/s/W) 可以達到 0.187，只花 50W 不到的電力，大概可以跑出 7-8 sol/s，甚且還是張台幣 4000 元以下的顯示卡。