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： dyxum.com 對焦距離：1.9m - 無窮遠 光圈：f4.5 - f22 口徑：49mm 重量：375g 鏡片結構：八片七群 光圈葉片：七片 視角：24.4° – 12.3° 生產年份：1987 一顆小巧的中長焦變焦鏡，變焦倍率只有兩倍，也沒有 APO，但有恆定光圈 f4.5，口徑也僅 49mm，原廠遮光罩是夾掛式的，帶出門不會有扛著砲管的笨重感，收到最短狀態鏡身長不超過 10 公分，全開光圈可用，不常用到中長焦段的我在這個焦段的選項通常就是這種變焦鏡。 評價不會太差，價格也很低廉，很冷門，因為一般人通常會選擇變焦倍率更大的像是 70-300 的中長焦變焦鏡頭，所以這顆的二手價格普遍不高，雖然因為沒有 APO 多少有些色散的問題 (看你眼睛好不好或要不要求)，但除此之外這顆算是 CP 值很高的鏡頭。 實拍照》 Sony A450 + Minolta AF 100-200mm f4.5 Minolta Alpha 7 + Minolta AF 100-200mm f4.5 + Fujifilm X-tra 400 本鏡實拍相片集： Minolta AF 100-200mm f4.5 鏡身照》