8月20日，谷歌DeepMind公布了一个数字：Gemma系列开源模型的累计下载量突破10亿。36氪
从2024年2月首次上线算起，走到10亿用了两年半。这期间社区基于Gemma开放权重做出了超过10万个衍生变体，谷歌给这个生态起了个名字，叫“Gemmaverse”（Gemma宇宙）。知乎
但对想在自己设备上跑AI的人来说，我先给这个10亿泼一点冷水：模型被下载了多少次，跟你手里的设备能不能跑、跑起来好不好用，基本是两回事。真正值得琢磨的，是Gemma 4今年4月发布以来，全网实测攒下的那些真实答案——千元机、旗舰手机、树莓派、8GB显存的笔记本、Mac，各自能跑到什么程度，又有哪些人踩了坑。
这篇把散落在知乎、B站、微博、小红书和科技媒体里的实测与部署记录拢到一起，给你一张能直接对号入座的表。
先搞清楚：Gemma 4四档型号，各是给谁用的
今年4月2日凌晨，DeepMind CEO Demis Hassabis在X上发了四颗钻石表情，Gemma 4随后突袭发布，一共四个型号：
E2B（有效参数约2.3B）和E4B（有效参数约4.5B）：面向手机和开发板，主打完全离线，这两档还额外支持原生音频输入；
26B-A4B：MoE架构，总参数26B，但推理时只激活约4B，速度快，256K上下文；
31B：稠密旗舰，在Arena AI文本榜上位列全球开源第三，用不到十分之一的参数量跟四百亿级巨无霸掰手腕。36氪
四档全系原生支持图像和视频输入，能做OCR和图表理解；小尺寸128K上下文，大尺寸256K；原生训练了140多种语言。
不过这次真正该鼓掌的，是许可证换成了Apache 2.0。之前Gemma 3用的自定义协议被开发者抱怨了一整年：限制条款多、谷歌能单方面改规则，甚至有能被解读为“连你用Gemma生成的合成数据都要管”的条款。36氪这次换成Apache 2.0，无商业限制、不能随时改规则，对本地玩家来说，意味着可以放心用在任何项目里。
还有一个容易被忽略的门槛降低：谷歌上线了官方手机应用Google AI Edge Gallery，应用商店搜到后下载模型即用，全程离线、不用配置。机器之心本地大模型从“极客玩具”往“人人能装”迈了一步，这是这次10亿下载背后最实在的变化之一。
全网实测：五档设备，五种命运
这一段是全文最值得看的。网上跑Gemma的视频很多，但大多在旗舰设备上完成；普通设备上的实测，完全是另一个故事。
千元安卓机：能跑，但别硬扛。雷科技用一台搭载天玑7400的千元机实测Gemma 4 E4B。让它推荐三部高铁上看的电影，近500字的回答跑了2.8分钟。雷科技一道多步逻辑推理题，3.3分钟后给出错误答案；再丢一张绿植照片，加载动画转了整整5分钟，期间App完全无法操作。稍微意外的是它不发烫、不算卡顿，简单问题也能答对。结论很直白：除非是彻底断网的场景，千元机上的本地模型打不过“直接问云端大模型”。
旗舰手机：真能用。iPhone 17 Pro在苹果MLX框架加持下，跑Gemma 4小模型能超过40 token/秒。机器之心有人在三星Galaxy旗舰上开着思考模式跑出类似速度。X上那条“在iPhone本地跑Gemma 4”的帖子被围观了几十万次——处理图片、音频、开关手电筒，全程离线。128K的上下文，让小模型离线状态下也能干点正事。但要清醒：这是旗舰芯片的专属待遇，两三年前的中端机别抱太高期望。
树莓派5：玩具属性拉满，坑在明处。有人把谷歌官方的gemma-translator项目部署在树莓派5（8GB）上，就是一个USB麦克风、一个蓝牙音箱加一块开发板的组合，能成为一台完全离线的中英双向同传机。知乎模型本体只有2.59GB，支持六种语言。
但部署实录里记录了三个差点劝退的坑。第一，5V/3A电源扛不住满载外设，电压一抖文件系统就开始写坏数据，各种“玄学错误”全来了，换27W的5V/5A才解决。知乎第二，树莓派直连Hugging Face下模型总断，用电脑中转稳得多；第三，新版系统的音频走PipeWire，直接操作ALSA会找不到蓝牙音箱。想玩可以，但请预留至少一个下午。
8GB显存笔记本：e4b是惊喜，12b是陷阱。有人在RTX 4060 Laptop（8GB显存）上把四个模型挨个跑了一轮：gemma4:e4b做图像理解约56 token/秒，能识别图里的人物、屏幕、代码界面，属于日常可用。知乎gemma4:12b描述更细，但一张图要40多秒，冷启动明显，只适合偶尔调用。这位作者最后的结论特别值得抄作业：别纠结“哪个模型最强”，做路由——中文文字任务留给qwen3:8b，图像理解交给gemma4:e4b，各干各的擅长项。
M芯片Mac及以上：26B MoE聊天很顺，当Agent会翻车。有开发者在M5 Pro的MacBook Pro上跑Gemma 4 26B MoE，对话、代码解释都很流畅；但真把它当coding agent，需要长上下文、复杂工具调用和稳定结构化输出时，频繁卡住、报错，换同环境的qwen3-coder就一切正常。机器之心也就是说，本地大模型在“聊天”场景已经站住了，“干活”场景还不能把后背完全交给它。
另一个极端在数据中心：8月底英伟达宣布Groq 3LPX推理加速器全面投产，跑Gemma 4 31B在10万token上下文下能输出3400 token/秒。微博这跟普通人没关系，但说明Gemma已经成了推理硬件评测的标杆模型之一。
10亿下载真正的意义：不是一个模型，是一个生态
回到新闻本身。10亿下载为什么值得看？不是数字大，而是它说明Gemma已经成了大量垂直场景的“底座”。10万个衍生变体里，有几个相当魔幻：NASA喷气推进实验室把Gemma 3 4B量化到4-bit，塞进近地轨道卫星，实时分析星载传感器拍到的地球影像，决定哪些数据值得消耗下行带宽传回地面——这是视觉语言模型首次在轨道上处理卫星自有传感器的图像。知乎DolphinGemma直接接收海豚的声学信号，分析其中的模式序列，尝试预测“下一声海豚叫会是什么”；印度国家卫生局则把Gemma 4集成进一款下载量过亿的App，专门把复杂的医疗报告转成标准化数据。
其中步子迈得最大的，是抗癌研究方向。耶鲁大学和谷歌团队基于Gemma做了一个27B模型C2S-Scale，把单细胞测序数据“写”成由基因名组成的句子，再让模型在4000多种候选药物里做虚拟筛选。知乎最终选出的silmitasertib在活细胞实验中被验证能将抗原呈递提升约50%，为癌症免疫治疗研究提供了新思路。36氪
再加上做医疗影像的MedGemma、做手语翻译的SignGemma，以及7月开源的官方翻译模型TranslateGemma（4B/12B/27B三档、支持55种语言，12B的翻译能力超过上一代27B）——对隐私党和小语种需求来说，本地跑官方翻译模型是个实打实的好消息。知乎
对普通用户，这意味着：你想用本地AI干的活，大概率不用从零开始了。Gemma生态里多半已经有微调好的变体，配套工具链也有足够多的人帮你踩过坑、写过教程。这才是10亿下载堆出来的真正护城河。
避坑清单与入坑建议
最后给结论。现在适合谁入坑、怎么入：
不要为了模型买硬件。如果你手头没有8GB显存的笔记本、Mac或开发板，不建议专门花钱去“体验本地大模型”——云端API现在更便宜也更强。本地模型的价值场景是隐私、离线、免费和折腾的乐趣。
手机端从E4B开始。用近两年旗舰机的话，先装Google AI Edge Gallery试试官方App，零成本零配置；千元机用户可以直接跳过这一节。
电脑端最稳的入门姿势是gemma4:e4b。Ollama一条命令拉下来；中文文字需求多的话再配一个qwen3:8b，按任务路由。别把12b放进日常工作流，除非你能接受每次等40秒以上。
别指望它替你写Agent。目前的实测显示，Gemma 4在工具调用和结构化输出上有明显短板，这类活请交给专门的编码模型。
值得继续盯的信号：7月Gemma 4曾迎来一次推理速度大幅提升、修复输出“偷懒”问题的更新，端侧优化（与高通、联发科的合作）和翻译模型生态还在推进。等后续出现针对你设备的具体玩法再动手，也不迟。
10亿下载说明一件事：AI正在从云端聊天框，走进手机、开发板、卫星和医疗App。至于要不要在你的设备上给它留一个位置——先对照上面那张实测表，再决定。
