實測 Google Gemma 3n：快準穩，偏科嚴重但點亮移動端 AI 新方向

最近的大模型圈，罕見地安靜下來。
國產大模型諸如 DeepSeek-R2 只聞其名不見其形，AI 四小龍也進入“閉門造車”階段；而幾家大廠則將注意力轉向應用層，無論是豆包主推的 TRAE 與“釦子空間”，還是訊飛的辦公助手、百度的 AI 修圖資產工具，都是“務實而不驚豔”的產品。

相比之下，一直不溫不火的本地端模型領域，竟由 Google 給出了一記突圍嘗試。

上週，Google DeepMind 正式釋出並開源了全新輕量多模態模型 Gemma 3n。這款專為手機、平板、筆電等移動裝置打造的小模型，核心賣點在於“端側執行”，無需聯網即可實現語言理解、影像識別等多模態 AI 功能。

什麼是 Gemma 3n？

Gemma 3n 採用 Google 自研的 MatFormer 架構，具備高效巢狀結構，主打低記憶體佔用。目前釋出兩個規格：5B（E2B）與 8B（E4B），但視訊記憶體需求低至 2GB，實際執行表現比傳統同參數模型更輕巧。

它能做什麼？

相比多數文本模型，Gemma 3n 原生支援影像、音訊等多種輸入模態。具備自動語音識別（ASR）、語音翻譯（AST）、影像理解等能力，適合部署於 AI 手機等端側裝置，兼顧多語言支援。

部署是否複雜？

過去移動端部署本地大模型幾乎需要“科研級”操作，如今已有顯著簡化。Google 上月推出的 AI Edge Gallery 應用支援直接執行 Hugging Face 模型，載入後即可本地執行對話式 AI、影像識別、提示詞實驗等功能，完全脫離雲端。

實測表現如何？

我們使用三款模型對比測試：Gemma 3n-4B、Qwen2.5-1.5B 和 Qwen3-4B GGUF。測試維度涵蓋邏輯推理、知識問答、中文處理與影像識別，結果如下：

• 邏輯推理能力： Gemma 3n 與 Qwen3-4B 接近，但在複雜問題如“草莓中有幾個 r”上稍顯薄弱，Qwen3 憑“深度思考”機制勝出，但響應時間大幅增加。
• 中文語境理解： Gemma 3n 在中文古詩文測試中表現不佳，會生成不符合韻律的錯誤內容；Qwen 系列相對更適配中文語料。
• 經典腦筋急轉彎題： 在“白熊問題”上，Gemma 3n 能正確識別北極地理特性，表現優於 Qwen2.5。
• 文本摘要能力： Gemma 3n 提供英文總結，對英文原始文本表現優秀；中文生成略有欠缺，Qwen3 優於其他。
• 影像識別： 通過“Ask Image”功能，Gemma 3n 可識別基礎影像內容，如食物、硬體，但動漫、花卉等識別準確率低，多模態能力仍處早期階段。

總結：Gemma 3n 是什麼樣的模型？

Gemma 3n 是一款偏科明顯，但速度快、穩定性高的模型。
它不擅長複雜邏輯和多語言中文處理，但憑藉輕量架構實現了幾乎 100% 的本地生成響應率，特別適合“低功耗 + 快速反饋”的手機 AI 場景。作為目前極少數支援多模態的端側模型，它代表著 Google 在移動 AI 路線上的一次重要前探。

Gemma 3n 不是終點，但它清晰地告訴我們：
未來的 AI，不一定跑在雲端，也可以隨身而行。