手机根本跑不动7B模型，Gemma 4 E2B和Qwen 3.6谁才是真·端侧轻量之王？_手机

1. 谷歌Gemma 4深夜突降，31B爆杀20倍巨头！手机跑全血「龙虾」

2. # 谷歌 DeepMind Gemma 4 重磅发布：Agent Skills 让手机彻底成为本地 AI 代理运行时 # 2026 年 4 月 2 日，Google DeepMind 开发者体验负责人 Omar Sanseviero（@osanseviero）在 X 平台发布重磅消息： As part of the Gemma 4 release, we're launching Agent Skills: an Android app experience where you can import different skills and have Gemma 4 E2B reason and use the skills! Running entirely in the phone, available in the Google PlayStore. Try it now！随后补充下载链接与官方博客地址。本帖附带 116 秒演示视频，迅速引发全球开发者与 AI 爱好者热议，浏览量已超 16 万次。同日，Google Developers Blog 发布官方文章《Bring state-of-the-art agentic skills to the edge with Gemma 4》，详细阐述 Gemma 4 模型家族及 Agent Skills 功能。本文基于 X 原始帖文（含完整视频演示）与官方博客全文内容无损完整呈现，深度拆解技术细节、演示案例、实现原理、开发者生态及行业意义，为中文读者提供一篇零信息损失、系统性的技术战略分析。 # 一、Gemma 4 模型家族：开源 Agentic AI 的新基准 # Google DeepMind 于 2026 年 4 月 2 日正式推出 Gemma 4 模型家族，以 Apache 2.0 许可开源。Gemma 4 专为边缘设备与移动场景优化，重新定义了本地硬件上的 AI 能力。核心亮点（直接来自官方博客）： 1. 多步规划与自主行动：无需专门微调，即可实现复杂任务链与自主代理。 2. 离线代码生成与音视频处理：支持 140+ 语言，面向全球开发者。 3. 视觉处理与多模态能力：支持图像、视频处理。 4. Gemma 4 E2B / E4B 变体：专为 Agent Skills 设计，E2B 模型在部分设备上峰值内存占用低于 1.5GB。开发者可通过 Android AICore Developer Preview 或 Google AI Edge 工具链，在移动、桌面、边缘设备上快速构建代理式（Agentic）应用。 # 二、Agent Skills 核心机制：Google AI Edge Gallery 中的本地代理运行时 # Google AI Edge Gallery 应用已在 Android（Google Play Store）和 iOS（App Store）上线，支持完全本地运行的 AI 体验。今天正式推出 Agent Skills，这是首批在设备上实现多步、自主代理工作流的应用程序，由 Gemma 4 驱动。 Agent Skills 四大核心能力（官方博客原文）： 1. 知识库增强（Augment the knowledge base）：Gemma 4 可通过技能接入训练数据之外的信息。例如，构建 Wikipedia 技能，让代理回答任何百科问题。 2. 生成丰富交互内容（Produce rich, interactive content）：将段落、视频转为摘要、闪卡，或将数据转为交互图表/图形。例如，基于用户语音输入的睡眠日志，技能自动生成每日睡眠与情绪趋势图表。 3. 扩展核心能力（Expand Gemma 4's core capabilities）：集成其他模型，如文本转语音、图像生成、音乐合成。例如，上传照片后，技能分析氛围并自动匹配播放完美契合心情的音乐。 4. 端到端复杂工作流（Create comprehensive end-to-end experiences）：用户通过与 Gemma 4 的自然语言对话完成多步任务，无需切换多个 App。例如，构建描述动物并播放叫声的完整应用。技能开发与格式：每个技能本质上是 SKILL.md 文件（含提示词）+ 可选 JS 脚本（运行于隐藏 WebView）。JS 脚本拥有完整 fetch() API，可调用外部服务；原生 Intent 处理邮件、SMS；API Key 通过系统原生对话框输入，永不进入 LLM Prompt，保障隐私与安全。技能支持 URL 导入、GitHub Discussions 社区分享，或本地 ADB 推送。Google AI Edge Gallery GitHub 仓库（http://t.cn/A6eG1Bp2）提供 /skills 目录模板，开发者可快速创建并在 Discussions 分类下分享技能。 # 三、LiteRT-LM 运行时：极致性能与跨平台支持 # 为让 Gemma 4 在各类设备上高效运行，Google 推出 LiteRT-LM —— 在 LiteRT 基础上新增 GenAI 专用库，集成 XNNPack 与 ML Drift。关键特性（官方实测数据）： - 极致内存优化：Gemma 4 E2B 在部分设备上内存占用 <1.5GB（2-bit / 4-bit 量化 + 内存映射逐层嵌入）。 - 约束解码：确保结构化、可预测输出，适用于生产级工具调用。 - 动态上下文：支持最高 128K 上下文长度，CPU/GPU 动态切换。 - 高性能处理：处理 4000 个输入 token（跨 2 个不同技能）耗时不到 3 秒。 - 边缘设备表现：Raspberry Pi 5 上预填充吞吐量 133 tokens/s，解码 7.6 tokens/s，可用于离线智能家居、语音助手、机器人。跨平台支持： - 移动端：Android 12+ 与 iOS 17+，CPU/GPU 加速；Android 还可通过 AICore 系统级调用优化后的 Gemma 4。 - 桌面/Web：Windows、Linux、macOS（Metal）、WebGPU。 - IoT/机器人：Raspberry Pi 5、Qualcomm IQ8 NPU。 - 新工具：litert-lm Python 包 + CLI，支持无代码实验、工具调用，适用于 Linux、macOS、Raspberry Pi。 # 四、视频演示与实际体验（116 秒官方演示完整对应） # X 帖附带视频及 Google AI Edge Gallery 应用演示，直观展示 Agent Skills 流畅性： - 技能管理界面：一键导入、开启/关闭、搜索技能。 - Gemma-4-E2B-it 模型（GPU 加速）实时推理与技能调用。 - 演示案例涵盖 Wikipedia 查询、图表生成、照片配乐、动物介绍与叫声播放等，与博客四大能力完全对应。整个过程100% 本地运行、无需联网、无数据泄露，充分验证“手机即完整 Agent 运行时”的理念。 # 五、开发者生态与开源贡献 # - 技能开发指南：GitHub 仓库提供完整模板与示例。 - 社区分享：通过 GitHub Discussions 提交技能，官方鼓励开发者构建并分享。 - 开源地址：Google AI Edge Gallery 已完全开源（Apache 2.0），支持模型管理、基准测试、Thinking Mode 等功能。 - 贡献与反馈：X 社区已有开发者分享自定义技能、Pixel 设备适配、Mac Mini 加载方案，同时指出部分设备（如 Pixel 10 Pro Fold）偶发兼容性问题，Google 通过 GitHub 快速迭代。 X 回复亮点（部分）： - “skills as the app model for on-device AI agents. this is where the unbundling starts.” - “This is basically the Gemini Nano 4 developer preview.” - iOS 用户已可通过 App Store 下载体验。 # 六、战略意义：隐私、安全、普惠与产业重塑 # 1. 隐私革命：所有推理本地完成，敏感数据永不离开设备，特别适合科研、医疗、企业场景。 2. 离线可用性：打破云端依赖，真正实现“随时随地”代理工作流。 3. 开发者普惠：2B\~4B 小模型即可完成复杂任务，Play Store / App Store 一键安装即可体验 SOTA 代理能力。 4. 产业冲击：传统 App 可能被“技能超市”替代；手机从“查询机”升级为“执行机”；边缘 AI 与 Agentic AI 融合，将加速机器人、智能硬件、个人助理爆发。 5. 与云端互补：本地 Gemma 4 可作为 Gemini Nano 4 的开发者预览，未来无缝迁移。 # 七、立即体验与深入阅读 # - Android：Google Play Store 搜索 “Google AI Edge Gallery” 或直接访问 http://t.cn/AXIRZXRS - iOS：App Store 搜索 “Google AI Edge Gallery” 或直接访问 http://t.cn/AXIRZXRK - 开发者：GitHub http://t.cn/A6eG1Bp2 下载源码、构建自定义技能 - 官方博客：http://t.cn/AXIRZXR9 # 总结 # Gemma 4 + Agent Skills 并非简单模型更新，而是移动 AI 的一次范式跃迁。它把“代理”从云端拉到掌心，把“技能”变成可组合的乐高积木，让每一位用户与开发者都能在本地构建属于自己的智能未来。这不仅仅是 Google 的技术里程碑，更是整个边缘智能时代正式开启的信号。（本文基于 X 原始帖文全文、116 秒官方视频描述及 Google Developers Blog 完整内容撰写） http://t.cn/AXIRZa7v

3. 超越ORION！CoT4AD：显式思维链推理VLA模型（北大最新）

4. 黄仁勋罕见长文：未来10年，AI拼的到底是什么？ #黄仁勋 #英伟达 #gtc #科技改变生活

5. 谷歌又放大招了Gemma4发布后，谷歌一口气放出了四个版本：手机端 E2B/E4B 轻量版、26B MoE 极速版、31B 旗舰版。尤其是31B 旗舰版，Arena AI 开源榜全球第三的位置相当惊人，小参数直接越级干翻体量20倍的对手，以前要机房集群才能跑的高端能力，现在消费级显卡就能本地跑通。不过，个人觉得31B版和国内顶流开源模型其实各有胜负，并非碾压全场 #ai前沿速递##微博兴趣创作计划##how i ai#

6. 昨天谷歌发了 Gemma 4 开放权重模型系列，升级挺猛的。一共四个版本，除了端侧轻量版，还头一回上了 MoE 架构的 26B 模型。全系支持多模态，能看懂图片听懂语音，自带推理思考功能，上下文直接拉到了 25 万。最香的是改用 Apache 2.0 彻底开源了。感觉谷歌这次是真的放开手脚了，那个 26B 单卡就能跑，性价比挺高，可以试着本地部署跑个试试看。#谷歌发布Gemma4开源大模型# #微博跨域计划# #AI创造营#

7. #Gemma 4：字节对字节，最强大的开源模型#发布日期：2026 年 4 月 2 日作者：Clement Farabet（Google DeepMind 研究副总裁）、Olivier Lacombe（Google DeepMind 产品组经理）Google DeepMind 今日正式发布 Gemma 4，这是迄今为止最强大的开源模型家族。Gemma 4 以“字节对字节”（byte for byte）的方式定义了开源模型的新基准，专为高级推理（reasoning）和代理式工作流（agentic workflows）而构建。它在保持轻量级和高效率的同时，实现了前沿级别的智能表现，适用于从移动设备到服务器的各种部署场景。Gemma 4 系列模型在 Arena.ai 的聊天竞技场（chat arena）中展现出领先的开放模型性能-vs-大小表现（数据截至 2026 年 4 月 1 日）。这些模型经过大量不同数据集和指标的全面评估，涵盖文本生成的各个方面。更多详细基准测试请参阅官方模型卡。Gemma 4 以 Apache 2.0 许可发布是一个巨大的里程碑。我们非常兴奋能在首日就在 Hugging Face 上全面支持 Gemma 4 系列模型。 ——Clément Delangue，Hugging Face 联合创始人兼 CEO#Gemma 4 的核心亮点与架构创新#Gemma 4 是 Google DeepMind 构建的开源模型家族，采用多模态设计，支持文本和图像输入（小型模型还原生支持音频），并生成文本输出。本次发布包括预训练和指令微调（instruction-tuned）两种变体，上下文窗口最高可达 256K tokens，并支持超过 140 种语言的多语言能力。Gemma 4 同时提供 Dense（密集）和 Mixture-of-Experts（MoE，混合专家）两种架构，特别适合文本生成、编程和复杂推理任务。模型共有四种尺寸：E2B、E4B、26B A4B 和 31B，可灵活部署于高端手机、笔记本电脑乃至服务器环境，真正实现 AI 的普惠。#关键能力与架构升级#- 强大推理能力：全系列模型均设计为高性能推理器，支持可配置的“思考模式”（thinking mode）。 - 扩展多模态支持：处理文本、图像（支持可变宽高比和分辨率，所有模型均支持）、视频，以及音频（E2B 和 E4B 模型原生支持）。 - 多样化高效架构：提供 Dense 和 MoE 变体，不同尺寸可根据部署需求灵活选择。 - 设备端优化：小型模型专为笔记本和移动设备本地高效执行而设计。 - 超长上下文窗口：小型模型支持 128K tokens，中型模型支持 256K tokens。 - 增强编程与代理能力：编程基准显著提升，并原生支持函数调用（function-calling），可驱动高度自主的 AI 代理。 - 原生系统提示支持：引入系统角色（system role）支持，实现更结构化、可控的对话。Gemma 4 采用混合注意力机制（hybrid attention），在局部滑动窗口注意力（local sliding window attention）和全局注意力（full global attention）之间交替，确保最后一层始终为全局注意力。这种设计在保持轻量级模型的速度和低内存占用同时，保留了处理复杂长上下文任务所需的深度感知能力。为优化长上下文内存，全局层使用统一的 Key-Value，并应用比例 RoPE（Proportional RoPE，p-RoPE）。#模型概览#Gemma 4 针对从移动/边缘设备（E2B、E4B）到消费级 GPU 和工作站（26B A4B、31B）的部署场景，均提供前沿级性能，特别适用于推理、代理工作流、编程和多模态理解。#Dense 模型规格#属性 E2B E4B 31B Dense总参数量 2.3B 有效（含嵌入 5.1B） 4.5B 有效（含嵌入 8B） 30.7B层数 35 42 60滑动窗口 512 tokens 512 tokens 1024 tokens上下文长度 128K tokens 128K tokens 256K tokens词汇表大小 262K 262K 262K支持模态文本、图像、音频文本、图像、音频文本、图像视觉编码器参数 \~150M \~150M \~550M音频编码器参数 \~300M \~300M 无音频说明：E2B 和 E4B 中的“E”代表“Effective”（有效）参数。小型模型采用 Per-Layer Embeddings（PLE，每层嵌入）技术，通过为每个解码器层提供独立的微型嵌入表实现参数高效利用。这些嵌入表虽大，但仅用于快速查找，因此有效参数量远小于总参数量，特别适合设备端部署。#Mixture-of-Experts（MoE）模型规格#属性 26B A4B MoE总参数量 25.2B激活参数量 3.8B层数 30滑动窗口 1024 tokens上下文长度 256K tokens词汇表大小 262K专家数量 8 激活 / 128 总 + 1 共享支持模态文本、图像视觉编码器参数 \~550M说明：26B A4B 中的“A”代表“Active”（激活）参数。在推理时仅激活约 4B 参数子集，使 MoE 模型的运行速度远高于其 26B 总参数暗示的速度，几乎相当于 4B 参数模型的速度，适合追求快速推理的场景。#基准测试结果#Gemma 4 在多个权威基准上展现出卓越性能（以下为指令微调模型结果，与前代 Gemma 3 27B 对比）：基准测试 Gemma 4 31B Gemma 4 26B A4B Gemma 4 E4B Gemma 4 E2B Gemma 3 27B（无思考模式）MMLU Pro 85.2% 82.6% 69.4% 60.0% 67.6%AIME 2026（无工具） 89.2% 88.3% 42.5% 37.5% 20.8%LiveCodeBench v6 80.0% 77.1% 52.0% 44.0% 29.1%Codeforces ELO 2150 1718 940 633 110GPQA Diamond 84.3% 82.3% 58.6% 43.4% 42.4%Tau2（3 次平均） 76.9% 68.2% 42.2% 24.5% 16.2%HLE（无工具） 19.5% 8.7% - - -HLE（带搜索） 26.5% 17.2% - - -BigBench Extra Hard 74.4% 64.8% 33.1% 21.9% 19.3%MMMLU 88.4% 86.3% - - -（完整基准详见官方模型卡。Gemma 4 在编程、数学推理、通用知识等多个维度全面领先，尤其在长上下文和多模态任务上表现出色。）#使用指南与最佳实践##1. 采样参数（Sampling Parameters）#根据任务需求调整温度（temperature）、top-p 等参数，以平衡创造性和确定性。#2. 思考模式配置（Thinking Mode Configuration）#Gemma 4 支持显式思考模式，可显著提升复杂推理任务的表现。#3. 多轮对话（Multi-Turn Conversations）#利用长上下文窗口，支持更自然的持续对话。#4. 模态顺序（Modality Order）#图像/音频输入顺序会影响模型理解，建议按逻辑顺序提供。#5. 可变图像分辨率（Variable Image Resolution）#所有模型均支持动态分辨率，优化视觉理解效率。#6. 音频处理（Audio）#E2B/E4B 模型原生支持音频输入，适用于语音相关任务。#7. 音频与视频长度（Audio and Video Length）#建议控制输入长度以保持最佳性能和效率。#获取与部署#Gemma 4 采用 Apache 2.0 许可，完全开放商用。开发者可立即通过以下渠道获取：- Hugging Face：网页链接（首日完整支持） - GitHub：网页链接 - 官方文档：网页链接 - Google AI Studio / Vertex AI：快速原型开发与生产部署 - Google Cloud：已原生集成，支持大规模应用Gemma 4 还获得 vLLM、Google TPU、AMD GPU、Intel XPU 等主流推理引擎的首日支持，极大降低了部署门槛。#结语：开源 AI 的新纪元#Gemma 4 不仅是 Google DeepMind 开放模型战略的最新里程碑，更是整个开源 AI 生态的一次重大跃升。它证明了“智能 per 参数”的极致优化可以在不牺牲性能的前提下实现真正的普惠——从手机到云端，从个人开发者到企业团队，都能轻松触达前沿多模态推理能力。无论你是构建智能代理、开发代码助手、还是探索多模态应用，Gemma 4 都将为你提供强大、可靠且完全开放的基石。立即前往 Hugging Face 或官方文档，开始你的 Gemma 4 之旅吧！更多资源： - 官方模型卡：网页链接 - 发布博客：网页链接/ - 许可协议：网页链接本文基于 Google 官方博客及 Gemma 4 模型卡完整内容翻译与整理，确保信息零损耗、无遗漏。所有技术细节、表格与基准数据均忠实还原自官方来源。 Google谷歌爱好者的微博视频

8. Google 的闭源模型是葛米妮，开源模型则是葛米妮她妈，葛妈。有人对比了刚刚发布的 Gemma 4 和 Qwen 3.5 的各项能力测试。要对比能力的话，只能拿 Gemma-4-31B 和 Qwen3.5-27B 来比，这么看 Gemma-4-31B 和 Qwen3.5-27B 好像各有千秋。但 Gemma-4-31B 比 Qwen3.5-27B 参数要多 4B。Gemma 4 这批里最有意思的可能是 E2B 和 E4B 这两个显然是为手机设计的模型，不知道塞进安卓后会产生什么涟漪。

9. 【#谷歌发布FunctionGemma#：把 AI 大模型能力“压缩”进手机，以后玩游戏全靠“吼”】谷歌于 12 月 18 日发布公告，宣布推出 FunctionGemma，是基于 Gemma 3 270M 微调的专用模型，目的是将强大的函数调用（Function Calling）能力引入手机等边缘设备。谷歌表示，随着行业从单纯的对话式接口转向主动式智能体（Agent），开发者对模型本地执行任务的需求日益迫切。FunctionGemma 正是为此而生，它不仅继承了 Gemma 系列的轻量化优势，更通过专项微调，让边缘设备（如智能手机和嵌入式系统）无需依赖云端算力，能够精准理解用户指令并调用相应功能。与通用大模型不同，FunctionGemma 专为“定制化”设计。它既能与人类自然对话，也能生成结构化的函数调用代码来指挥计算机。在 Google 进行的“移动操作”（Mobile Actions）测试中，该模型展现了惊人的可塑性：未经微调的基础版本准确率为 58%，而经过针对性微调后，其执行复杂指令（如“明天约午饭并添加到日历”、“帮我把昨天拍的美食发给老妈”）的准确率跃升至 85%。为了在算力和电池受限的边缘设备上流畅运行，FunctionGemma 采用了极致的轻量化设计。它利用 Gemma 的 256k 词表高效处理 JSON 数据和多语言输入，大幅降低了延迟。该模型目前已适配 NVIDIA Jetson Nano 等开发板及主流移动设备，甚至能作为“交通指挥官”，处理简单任务并将复杂逻辑路由至更大的 Gemma 3 27B 模型。为了降低开发门槛，谷歌为 FunctionGemma 构建了广泛的生态支持。开发者现在即可通过 Hugging Face、Kaggle 下载模型，并利用 Unsloth、Keras 或 NVIDIA NeMo 进行微调。在部署方面，该模型全面支持 LiteRT-LM、vLLM、Llama.cpp 和 Ollama 等工具。谷歌还同步发布了 TinyGarden 游戏演示和“移动操作”微调指南，展示了如何用自然语言控制虚拟农场或手机系统设置，帮助开发者快速构建属于自己的私有化、低延迟端侧智能体。（IT之家）梨视频的微博视频

10. #科技先锋官# 当你在地下车库想调用AI实时翻译，却因没网陷入卡顿；当语音助手要等3秒才响应指令，端侧AI的不实用曾是很多安卓用户的痛点。谷歌Gemini Nano 3与安卓15的深度集成，正精准破解这些难题，让手机真正拥有本地思考的大脑。Gemini Nano 3集成安卓15解决了离线场景AI失灵的核心问题。此前端侧AI多依赖云端算力，无网络时翻译、摘要、语音交互等功能基本瘫痪。Gemini Nano 3依托安卓15的AICore系统服务，所有运算全在设备本地完成，无需数据上传云端，哪怕在山区、地铁等无信号区域，也能流畅实现实时翻译、离线文案生成等功能。Gemini Nano 3集成安卓15攻克了端侧推理延迟高、体验差的瓶颈。通过安卓15对NPU的深度优化，Gemini Nano 3离线推理速度提升2.5倍，语音指令响应、文本处理等操作几乎无延迟。这意味着，无论是整理会议纪要还是编辑图片，都能获得即呼即应的流畅体验，彻底告别等待卡顿。Gemini Nano 3集成安卓15还解决了隐私泄露与多终端适配难的问题。安卓15的私有计算核心架构，让Gemini Nano 3独立于其他应用运行，不存储操作数据，从根源上保障隐私安全。且适配Pixel、三星等多品牌终端，打破硬件壁垒，让更多安卓用户能享受到高质量端侧AI服务。Gemini Nano 3集成安卓15不仅让端侧AI从可用走向好用，更推动安卓生态迈入离线智能新时代，为后续车机协同、智能家居联动等场景打下基础。#AI创造营##AI创作热点##一条vlog回顾2025# 种斌Marco的微博视频

11. 【重磅解读】谷歌Gemma 4杀疯了：小模型性能炸裂，真正实现商用自由！

12. 如何评价 Google 发布的开源大模型 Gemma4？使用体验怎么样？

13. 谷歌Gemma 4开源模型封神：31B小体量硬刚千亿级对手，跑分碾压全场！

14. Google 今天发布了 Gemma 4，这是他们迄今最强的开源模型家族，脱胎于 Gemini 3 的同一套研究成果。最大的变化是许可证。之前的 Gemma 用的是 Google 自家的许可协议，限制不少。这次 Gemma 4 全系列换成了 Apache 2.0 开源协议，商用、修改、分发都没障碍。对企业和独立开发者来说，这意味着可以放心把模型嵌入自己的产品，不用再反复研究条款里的灰色地带。Gemma 4 提供四个尺寸：31B Dense、26B MoE（混合专家架构）、E4B 和 E2B。其中 31B 在 Arena AI 开源模型文本排行榜上排第三，26B 排第六，Google 称它们的表现超过了体量大 20 倍的模型。大模型支持 256K 上下文窗口，可以一次性喂入长文档或整个代码仓库。有意思的是端侧能力。E2B 和 E4B 两个小模型是 Google 和 Pixel 团队、高通、联发科联合开发的，能跑在手机、树莓派、Jetson Nano 上，延迟接近零。小模型还额外支持音频输入和语音理解。想在手机上跑一个能看图、听话、还能离线写代码的本地 AI 智能体，现在有了一个不错的开箱即用选项。31B 模型不做量化的情况下，可以装进单张 80GB 的 H100 显卡。全系列原生支持函数调用和结构化 JSON 输出，直接面向 AI Agent 开发场景。目前已经可以在 Google AI Studio、Hugging Face、Kaggle、Ollama 等平台获取模型权重。Gemma 系列自发布以来累计下载量已超过 4 亿次，社区创建了超过 10 万个变体。Google 显然想用开源生态绑住开发者。不过在 Arena AI 开源排行榜上，目前前列位置大量被中国开源模型占据，Gemma 4 的 31B 排第三，能守住多久是个问号。宝玉xp的微博视频

15. #谷歌发布Gemma4开源大模型##谷歌发布Gemma4开源大模型#谷歌最近开源的Gemma 4系列，有几个地方确实挺实在。最让人眼前一亮的是，现在手机就能离线跑多模态AI了。比如你在没有信号的飞机上，也能用手机直接识别图片里的文字、做语音记录，不用联网也不用上传数据。而且普通电脑显卡就能带动大模型，不用非得买昂贵的专业设备。当然它也不是完美的，小模型在生成代码时偶尔会出错，稳定性还有提升空间。总的来说，谷歌这次把技术彻底开放商用，降低了AI的使用门槛。对我们普通用户来说，最大的好处就是：好用的AI工具不再需要昂贵的硬件，未来在手机、电脑上就能轻松跑起来了。“你平时会在手机上用AI工具吗？最希望AI帮你解决什么日常小问题？欢迎在评论区聊聊～”谷歌发布gemma4开源大模型

16. #李想称努比亚豆包手机是现象级AI产品# 不得不说，这几年AI领域为我的生活和工作带来了翻天覆地的变化，从最开始觉得没什么用，再到后来的不断尝鲜，现在我的日常已经完全离不开AI了。在过去的一年里，也诞生了不少有意思的AI产品，其中也不乏咱们中国的产品，豆包手机作为字节跳动与中兴努比亚合作推出的首款深度集成AI代理的工程样机，凭借“系统级跨应用操作”能力在2025年底给各家AI和手机厂商狠狠地上了一课。李想在他的朋友圈，也将努比亚豆包手机纳入了他的2025年全年最有突破性的三个现象级AI产品名单。相比于同样在榜的Chrome Gemini，豆包手机在手机端拥有更多的优势，手机端不光相较电脑端有很多的应用，也更加方便，豆包手机可以直接在订票软件完成机票酒店下单，对普通用户来说，学习成本更低，更容易上手。2026年才刚过了一个月，新的AI产品就已经呈现出了井喷现象，甚至出现了多款现象级产品，相信接下来，会有更多实用的AI产品或功能进入我们的生活。

17. 以小小小小胜大！Google 最强小模型刚刚发布，手机也能跑

18. 谷歌Gemma的四个秘密：从海豚语到掌上AI

19. #谷歌发布Gemma4开源大模型# 谷歌正式推出Gemma 4大模型，包括四种规格的Gemma 4通用模型：高效20亿参数版（E2B）、高效40亿参数版（E4B）、260亿混合专家模型（MoE）与310亿稠密模型（31B）。在谷歌迄今为止所有的模型中，Gemma 4 是目前最强大的开放权重模型系列，继承了前沿多模态、长上下文和高级推理能力，被谷歌官方称之为是“在逐字节比较下性能最强的”开放模型（Byte for byte, the most capable open models），填补了本地前沿智能的空白，与追求极致性能的 Gemini 云端模型共同构成了完整生态。整体来说，Gemma 4这次所有规模的模型都原生支持处理视频和图像了，在OCR和图表理解方面表现得相当不错。

20. 高通MWC 2026抢先探展，6G+Wi-Fi 8+个人AI全拉满

21. #豆包手机#豆包手机发布，AI Agent才是未来？泛化通用能力，或许是未来终端AI真正服务消费者的支点。这依赖于端侧大模型对模糊需求的精准解读，以及操作系统对生态服务的无缝调用。在AI手机的赛道上，硬件厂商基于自身OS能力部署AI Agent，荣耀最早开启端侧AI研究和应用的手机厂商，在荣耀Magic8系列上，AI agent自动执行覆盖衣食住行3000+场景，支持通过YOYO语音交互实现操控。当AI开始自主串联“感知-决策-执行”的完整链条，未来的终端，是否会从“工具”演变为“生活流程的默认知情者”？

22. 一个周末 AI 项目

23. 谷歌发布 TurboQuant 技术攻克内存壁垒，千亿参数 AI 大模型可在普通手机本地运行

24. Qwen3.6-Plus

25. Meta MobileLLM-Pro

26. 谷歌再发端侧「小模型」，全球首个多模态长上下文编解码模型 T5Gemma 2

27. EmbeddingGemma

28. 以小小小小胜大！Google 最强小模型刚刚发布，手机也能跑

29. 谷歌新算法砍半 AI 内存开销，大模型直接省 6 倍显存

30. 把大模型“塞”进手机分几步？

31. 谷歌放大招！开源Function Gemma，能打造豆包同款AI手机啦！

32. 谷歌开源Gemma 4,干掉了13倍体量的Qwen3.5

33. 使用 Google 的 LangExtract 和 Gemma 进行结构化数据提取

34. 一万刀，12模型，砸出的结论：微调，Qwen3-4B最能打

35. 新一轮换机潮可期?!只因豆包手机端助手上线

36. 谷歌最强开放翻译模型TranslateGemma登场，手机也能跑

37. Meta推出MobileLLM-Pro 1B端侧小模型，干翻Google Gemma3和自家Llama3.2 1B

38. CES 2026看高通：从个人AI到物理AI 全场景智能正加速落地

39. 字节Ai硬件概念。【字节探索终端AI 布局超级 App与硬件终端结合】 2025年12月1日，字节旗下豆包官方发布豆包手机助手，豆包手机助手是豆包和手机厂商在操作系统层面合作的手机AI助手。字节在AI方面的布局是“三位一体”，即将大模型能力、超级 App 与硬件终端结合。目前终端智能手机最能满足字节跳动耗时多年构建的全栈 AI布局。作者声明：本内容仅作为信息资讯参考，不构成任何具体的投资建议。理财有风险，投资需谨慎。纯手工梳理，研究不易，望您多多点赞！ #字节Ai #豆包Ai #Ai手机 #Ai端侧 #Ai硬件

手机根本跑不动7B模型，Gemma 4 E2B和Qwen 3.6谁才是真·端侧轻量之王？

精选参考来源