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：0.45m - 無窮遠 光圈：f1.4 – f16 口徑：62mm 重量：370g 鏡片結構：七片六群 [並不確定，但我目前還找不到原版鏡的結構資料] 光圈葉片：六片 前玉的鍍膜顏色是淡黃色的，後玉的鍍膜顏色則是藍色的，六片光圈葉片，最近對焦距離可以做到 45 公分是我很喜歡的，跟 Konica AR Hexanon 57mm f1.4 一樣的最近對焦距離，有空的時候我想同時帶 Topcon 和 Konica 這兩組出門，用同樣的底片和場景來比較一下這兩顆的表現。 我在歸類時還是給了 Exakta 的類別，不過 Topcor Exakta 鏡頭採用的是修改過的 Exakta 接環，多了與 Topcon 機身光圈耦合的機制，所以大部份接到 Exakta 的機身上是無法正常運作的，只能用在 Topcon 的機身，而大部份 Topcon 的 Exakta 接環機身是可以接 Exakta 的鏡頭的！ 再來花一點時間聊一下這顆鏡頭的復刻版本，有時候，被一堆網路上的命名搞得很頭痛，比如說像常常看到人家用鳳凰瞳來稱呼他，查了一下才知道是大陸的論壇用鳳凰瞳這個名字來形容他被復刻了兩次，像鳳凰浴火重生這般。 這顆東京光學 Topcon 的大光圈標頭，被 Cosina 復刻了兩次：第一次復刻的版本是 2003 年的 Tokyo Kogaku Auto-Topcor 58mm F1.4，銀色鏡身，但改為口徑較小的 58mm，九片葉片以及 MC 多層鍍膜，做了 Nikon F 以及 M42 兩種 Mount，兩種接環各限量 800 顆；第二次復刻掛的是 Voigtlander 品牌，2007 年的 Voigtlander NOKTON 58mm F1.4 SLII，黑色鏡身，做了 Nikon Ai-S (有電子接點) 以及 Pentax KA 兩種接環，規格上大致與第一次復刻的版本相同，鏡頭重量更重一些，但仍不及原版鏡的重量。 看了一些網路的分享，有人說是 Cosina 買下了 Topcon 的設計，也有國外的文章說復刻版本的光學設計與原版不同云云，我會比較相信第二種說法，不管是第一次復刻的兒子版或者是第二次復刻的孫子版，應該在光學上都至少略有不同程度的差異。 我是這麼看，Cosina 在『古典商品的再...