凌晨?jī)牲c(diǎn)刷到這條推送時(shí)，我正躺在床上給手機(jī)充電——而谷歌說，以后這種場(chǎng)景下，我的手機(jī)可能根本不需要聯(lián)網(wǎng)就能跑一個(gè)40億參數(shù)的大模型。

Gemma 4 來(lái)了。谷歌給它定了調(diào)："迄今為止最智能的開放模型系列"。四個(gè)規(guī)格，從 Effective 2B 到 31B 稠密模型，全部 Apache 2.0 開源，商用隨便改。

最耐人尋味的是命名里的那個(gè)"E"。E2B、E4B，E 代表 Effective（有效參數(shù)）。打個(gè)比方：這就像一家餐廳宣傳"人均消費(fèi)50元"，但進(jìn)店才發(fā)現(xiàn)，后廚其實(shí)囤了夠500人吃的食材，只是每桌只給你上50元的量。PLE 技術(shù)讓每層解碼器給每個(gè) token 配獨(dú)立小嵌入，內(nèi)存占用比表面數(shù)字高，但推理時(shí)只激活標(biāo)稱參數(shù)。

26B MoE 更像個(gè)精打細(xì)算的會(huì)計(jì)：260億參數(shù)全住進(jìn)顯存，干活時(shí)只叫醒38億。速度保住了，知識(shí)儲(chǔ)備也沒丟。谷歌 DeepMind 的人管這叫"單位參數(shù)智能"的壓榨——31B 版本目前在開源榜單排第三，對(duì)手是參數(shù)大它20倍的模型。

多模態(tài)這次沒掉隊(duì)。E2B、E4B 原生支持視頻音頻輸入，所有型號(hào)都能看圖說話，上下文窗口拉到128K-256K。系統(tǒng)提示詞內(nèi)置了，函數(shù)調(diào)用原生支持，140多種語(yǔ)言。前幾代 Gemma 做 Agent 還得開發(fā)者自己搭橋，現(xiàn)在出廠就是 Agent Ready。

有網(wǎng)友測(cè)完說 Qwen3.5-27B 略勝一籌，但另一條評(píng)論戳中了痛點(diǎn)："四種尺寸全為 Agent 準(zhǔn)備，全都能本地跑。我們喊了多久'別每次思考都傳云端'，他們終于聽見了，而且給得比預(yù)期多。"

谷歌列了張內(nèi)存需求表，但藏著腳注：官方數(shù)字只算靜態(tài)權(quán)重，框架開銷、KV Cache、微調(diào)時(shí)的批量大小，都是額外賬單。26B MoE 看著像4B的用量，實(shí)際顯存胃口接近稠密26B——畢竟260億參數(shù)得先全部請(qǐng)進(jìn)內(nèi)存，才能決定叫醒哪38億。

部署渠道鋪得很滿：Hugging Face、Ollama、llama.cpp、手機(jī)上的 AICore Preview……從 Jetson Nano 到 Blackwell GPU，從 AMD ROCm 到谷歌 TPU。Constellation Research 的分析師說，這適合"對(duì)數(shù)字主權(quán)有較高要求"的場(chǎng)景——翻譯過來(lái)就是：數(shù)據(jù)不想出境的人，終于有體面的選擇了。

我在 Hugging Face 的模型卡頁(yè)面停了一會(huì)兒。底下有條剛發(fā)的討論："測(cè)試了 E2B 在 Pixel 上的延遲，基本無(wú)感。"發(fā)帖時(shí)間是凌晨三點(diǎn)十四分，和我這邊差不多。