谷歌把26B模型壓成4B用，本地AI終于不用看云端臉色

凌晨兩點，谷歌把Gemma 4扔了出來，號稱"史上最聰明的開放模型"。

這話聽著像例行公關，但看完參數表你會發現，他們這次玩的是"縮骨功"——四種規格里，最小的E2B和E4B專門給手機、樹莓派這類"弱雞"設備準備的，推理時只激活20億和40億參數，延遲壓到接近零。翻譯成人話：你的舊手機終于能離線跑正經AI了，不用每次問個問題都先給云端磕一個。

真正有意思的是26B那個MoE模型。谷歌說它在推理任務里只激活38億參數，卻能保持大模型的知識儲備。這就像一個號稱26人的專家團隊，實際干活時只叫醒4個人，但活兒干得比真·4人團隊漂亮。代價是顯存，26B參數得全塞進內存候著，所以別想拿它當4B用。

31B版本目前在開源榜單排第三。谷歌還補了一刀：某些測試里，它比參數大20倍的對手還能打。不過網友很快翻出Qwen3.5-27B的跑分，說其實略勝一籌——開源社區的打臉速度永遠比發布會快。

這次四個型號全帶"思考"模式、全支持函數調用、全給140多種語言。最被開發者惦記的是原生system role支持——以前調Gemma得像哄小孩，現在終于能正經寫系統提示詞了。

一位網友的評論被頂得很高："我們一直在喊，要那種思考不用傳回云端的模型。他們終于聽進去了，而且給的比預期多。"

Apache 2.0許可證，商用隨便改。谷歌的算盤很清楚：你們不是擔心數據主權嗎？不是嫌云端延遲高嗎？拿走，全在本地跑。分析師說這叫"主導本地AI產業"，說白了就是把開發者圈進自己的硬件生態——從Jetson Nano到Blackwell，從高通到聯發科，全給你適配好了。

不過官方給的內存數字只算靜態權重，實際跑起來，框架開銷、KV Cache、上下文窗口都是隱形刺客。想微調的話，顯存需求還得再往上躥一截。

模型已上架Hugging Face、Kaggle、Ollama。Android開發者可以去AICore里摸原型了。

那位網友的后半句其實更值得記住："現在他們終于聽進去了"——開源社區喊了三年的本地優先，谷歌這次把回應寫進了產品定義里。