有一说一，最近国内的 AI 大模子圈，属实有点兴隆了。

先不谈大伙万众瞩目的 DeepSeek-R2 了，这玩意除了欲就还推的爆料除外，莫得极少动静，有种哪怕再过半年技艺，也不一定能够落地的嗅觉。

前年打得你来我往的 AI 四小龙，本年好像也和小猫相似蔫了，说是内行都在闷声饱读捣着我方的东西，但愣是什么都莫得端出来，有种凿壁偷光的好意思。

至于大厂这边，迭代速率也都慢了下来，把更多的元气心灵放到了应用上。豆包天然端出了 1.6 大模子，但是宣传重心更多是 TRAE 和扣子空间；讯飞在发力 AI 磨真金不怕火和办公 Agents，百度则在鼓动全历程 AI 修图和财富处治，各有各的念念路。

总的来说，这些应用倒是蛮实用的，即是如实没什么尽头让东谈主惊艳的家具。

这在线大模子没啥新进展，土产货大模子就更是在埋头苦干了，此前一直在更新的 Mistral AI 一经有小半年没啥声息了，挪动端的端侧大模子更是杳无音问，宣传了整整两三年的 AI 手机，超越 90% 的功能照旧靠云霄收场的。

（图源：谷歌）

谷歌寻念念：这不可啊，那我的 Pixel 系列该若何办？

上周，谷歌 DeepMind 在推特上肃穆书记，发布并开源了全新的端侧多模态大模子 Gemma 3n。

谷歌暗意，Gemma 3n 的发布代表了挪动缔造端 AI 的首要最初，它为手机、平板、札记本电脑等端侧缔造带来了弘远的多模态功能，不错让用户体验到往常唯有云霄先进模子上才略体验的高效处感性能。

又来个以小搏大吗？有点真义。

为了望望这玩意的真的成色，小雷也去下载了谷歌发布的最新模子进行测试，接下来就给内行说说内部的亮点吧。

起始，咱们来解答两个问题：

起始，什么是 Gemma 3n？

Gemma 3n 是谷歌摆布MatFormer架构打造的轻量化端侧大模子，借由嵌套式结构收场了低内存铺张筹画，刻下官方一共推出了 5B（E2B）和 8B（E4B）两种型号，但通过架构翻新，其 VRAM 占用与 2B 和 4B 尽头，最低只消 2GB。

（图源：Google）

其次，Gemma 3n 能作念什么？

不同于惯例的文本剪裁模子，Gemma 3n 原生营救图像、音视频等多种输入模态，不仅不错收场自动语音识别（ASR）和自动语音翻译（AST），致使不错完成多样图像和视频理受命务。

原生的多模态、多谈话筹画，如实相配稳健挪动端侧缔造。

临了，我要怎么作念，才略用上 Gemma 3n 呢？

放在六个月前，想在手机上部署端侧大模子其实是一件额外复杂的事情，频频还要借助 Linux 捏造机的匡助才略收场，雷科技也曾还为此推出过一篇教程，因此内行会有这样的疑问亦然很合理的。

但是刻下，就莫得这个必要了。

Google 在上个月低调上线了一款新应用，名为Google AI Edge Gallery，营救用户在手机上径直初始来自 Hugging Face 平台的开源 AI 模子，这是 Google 初次尝试将轻量 AI 推理带入土产货缔造。

刻下该应用已在 Android 平台通达下载，感兴味的读者不错径直赶赴 Github 进行体验。在完成大模子加载后，用户就不错摆布这款应用收场对话式 AI、图像不息以及教唆词践诺室功能，致使不错导入自界说 LiteRT 神气模子。

无需联网，径直调用手机土产货算力完成任务，即是这样通俗。

接下来，就轮到万众期待的测试神气了。

如图所示，谷歌为这款应用默许准备了四款模子，其中有自家的 Gemma 系列，也有来自通义千问的 Qwen 系列，咱们遴选了刻下最强的 Gemma 3n-4B 和通义千问的 Qwen2.5-1.5B 以及罕见部署的 Qwen3-4B GGUF 进行测试。

起始是经典的草莓问题：

Q：Strawberry 一词中有几许个字母" r "？

这一题看起来通俗，却实实在在难倒过诸多 AI 大模子。

实测下来，莫得深度念念考才略的 Gemma 3n-4B 和 Qwen2.5-1.5B 依然会回答" 2 个"，有深度念念考才略的 Qwen3-4B GGUF 则能够给出正确谜底" 3 个"，仅仅无言其妙的反复念念考让它整整生成了两分半钟，还挺坑害技艺的。

（图源：雷科技，从左到右：Qwen2.5、Gemma 3n、Qwen3）

从效果来看，小参数如实会显耀裁减模子的逻辑念念考才略，深度念念考功能不错在一定进程上裁减 AI 幻觉产生的可能性，但也因此会增多生成所需的技艺。

然后是沿途相比通俗的误导问题：

Q："种豆南山下"的前一句是什么？

事实上，这是出自陶渊明《归园田居 · 其三》的首句诗，并莫得前一句，碰巧能望望这几款小参数模子是否存在为了回答问题编造数据的表象。

真义真义的是，此次唯有 Qwen2.5-1.5B 给出了原诗句，但是莫得给出辩说的谜底；而 Qwen3-4B GGUF 压根即是卯不合榫，Gemma 3n-4B 则编出了压根不存在的诗句，致使不适合古诗词韵律。

（图源：雷科技）

然后是沿途地舆知识问题：

Q：有一位学者在田野搭帐篷，短暂碰到了一只熊，这时候他就相配惊恐地逃遁，先是向南跑了 10 公里，又向东跑了 10 公里，临了还向北跑了 10 公里，这时候他称许地发现我方回到了原先搭帐篷的位置。请教：这位学者碰到的那头熊是什么激情？

这个问题主要测试模子对特殊地舆位置和表象的不息，夸口学者畅通轨迹的场地只但是北极，因此这头熊天然是白色的北极熊。

效果呢，Qwen2.5-1.5B 在进行了一段毫无逻辑的分析后，给出了失误的谜底；Gemma 3n-4B 和 Qwen3-4B GGUF 则能够胜仗给出正确的谜底，需要注目 Qwen3-4B GGUF 因为念念考铺张 token 太多导致谜底莫得王人备生成的表象，这在整段测试中都很常见。

然后是一个通俗的文本处理任务。

具体来说，我这边提供了 600 字傍边的著作序文，但愿他们能够给出对应的著作纪念。

其中，Gemma 3n-4B 和 Qwen3-4B GGUF 都算是能完成任务的，不外因为 Gemma 3n-4B 原始谈话是英文，因此给出的纪念亦然英文的，而 Qwen3-4B GGUF 则能够提供中语的著作纪念。

至于参数最小的 Qwen2.5-1.5B，压根就给不出复兴。

从以上四轮测试来看，在文本处理、逻辑推理才略上，Gemma 3n-4B 和 Qwen3-4B GGUF 其实出入无几，但是在生成速率、回复得胜率上其实是最初不少的，深度念念考显著是不稳健土产货模子的。

不外 Gemma 3n 并不是单纯的文本大模子，东谈主家但是有数的小参数多模态大模子。

天然语音识别刻下 Google AI Edge Gallery 调用不了，但是图像识别东谈主家照旧有准备的，点击" Ask Image "选项，就不错通过顺手拍摄或者上传像片的款式，向 Gemma 3n 发问。

实测下来，刻下的 Gemma 3n 关于动漫变装可谓一窍欠亨，诸如花草识别这类应用也不精确，唯有相比常见的食品、硬件这类不错识别出来，况且对图片里的元素识别其实并不算精确。

但最起码，Gemma 3n 如实收场了挪动端侧的多模态筹画。

好了，经过我这几天的轮替折腾，是时候给谷歌这个 Gemma 3n 下个论断了。

总的来说，这玩意儿给我的嗅觉是"偏科昭彰，但畴昔可期"。

在最基础的文本问答和逻辑才略上，它的剖释只可算中规中矩，部分逻辑测试中的剖释显著不如营救深度念念考的 Qwen 3-4B，但是比起刻下手机上常见的 Qwen2.5-1.5B 照旧有昭彰进步的。

但它的优点也很凸起，那即是快，Gemma 3n-4B 的反馈速率昭彰要比 Qwen 3-4B 快许多，莫得深度念念考就意味着它没那么吃性能，跑起来显著更相识，基本能够作念到 100% 的生成反馈率。

（图源：Google）

至于效果对不合 ... 那是模子才略的问题。

至于它的中枢卖点——离线图像识别，才略如实有，但也就停留在"基础"层面，识别个物体、索要个笔墨还行，想让它不息复杂场景就有点难为它了。况且，原生英文的基础底细让它处理复杂中语时偶尔会冒出点 bug，这点得注目。

总的来说，Gemma 3n 并莫得带来那种颠覆级的体验，更像是在性能和多功能之间作念出的一个严慎调和。

这随机即是端侧小模子现阶段私有的弊病吧：什么都会极少尊龙体育网，但离确凿的"万能"还有一段路要走。