谷歌突然放大招: Gemma 4 開源模型全面實測 | 中文配音

谷歌終於帶着全新開源模型迴歸了 這就是Gemma 4系列 一個專爲高級推理和智能體工作流設計的全新AI模型家族 這些模型在寬鬆的8x2.0許可證下發布 其核心焦點是每參數智能 簡單來說,小模型的表現堪比大模型 有些甚至超越了尺寸17-20倍的模型 這次發佈帶來了四款新模型 首先是20億參數模型 它極其高效,專爲移動和邊緣設備打造 然後是40億參數模型 它在邊緣設備上性能更強並具備多模態能力 接着是260億參數的木一模型 效率非常高 在推理時緊急回約38億參數 最後是310億參數的稠密模型 卻是質量最高的模型 性能接近頂級開源模型 總的來說,這些模型都支持多部推理 強大的數學和規劃能力 併爲智能體工作流而構建 這意味着它工具使用紮實 能輸出結構化這一層 編程能力也很強 它們還支持超過140種語言 並提供高達256K的上下文窗口 但真正令人驚歎的是 其實際性能 260億參數模型 居然能在像MacStudio M2 Logic這樣 已發佈數年的設備上運行 每秒仍能處理約300個奧克爾 這簡直不可思議 如今能在各種設備上 獲得如此質量 實在令人驚歎 這些模型 尤其是其實時性能 對本地開發者和用戶來說 將產生巨大影響 現在 爲了給你一些性能參考 看看這個行業領先的效率圖表 你會發現 旗艦Gemma模型 即310億參數模型 在智能指數上得分爲31分 略低於得分爲42分的 Q2.32527B 所以從紙面數據看 是的 Q3.5-27B能力稍強 但這裏有一個關鍵權衡 對於類似任務 Gemma4的輸出Token 消耗量大約減少了2.5倍 這意味着效率顯著更高 成本明顯更低 在實際使用中生成速度更快 所以問題變成了 爲了三分的智能提升 消耗2-3倍的奧克爾值不值得 從基準測試來看 310億參數模型 在幾乎所有類別中都表現強勁 Memo M86 Pro 得分85.2 在數學基準測試中 它在GPTOA上表現出色 在LifeCode Bounce上 甚至獲得了80%的分數 儘管其總體規模不大 它目前在ALM Arena排行榜上 位列開源模型第三名 並且也展現出強大的多模態性能 總體而言 相比前代版本 這次飛躍非常巨大 現在在推理和編碼方面 已經能與 甚至超越更大的模型競爭 定價也相當不錯 如果你在雲端使用 310億參數模型的輸入 iToken 每百萬個約0.14美元 輸出Token 每百萬個約0.40美元 要開始使用這個模型 你可以輕鬆通過 Google AI Studio免費測試 你也可以通過 Google官方API文檔 訪問其API 你可以通過OpenRouter使用它 記着 模型全正式開放的 這意味着 你可以根據你的系統 要求輕鬆安裝 你可以通過不同方法 輕鬆安裝 比如 OLAMA Hugging Face 甚至LN Studio 首先 我們將測試旗艦模型 及310億參數的 Gemma 4模型 實行一個前端任務 讓它創建一個 Mac OS風格的操作系統 我們將使用TLO作爲工具鏈 我個人認爲 這是最能發揮 模型智能體能力 和工具使用的 最佳工具鏈 而且由於 它們提供的免費額度 我完全免費進行測試 這真是太棒了 好了 多虧了TLO的工具鏈 我們得到了 這個生成結果 它有主家在界面 這是Qualcomm 3.6 沒有做到的 總的來說 我喜歡它添加的背景 工具欄生成的完美無缺 SBG圖標略有不足 但總的來說 這個工具欄做得很好 看起來相當不錯 它沒有像Qualcomm 3.6 那樣的功能組件 但儘管如此 這個310億參數的模型 能生成這種質量的結果 已經非常驚人了 文件夾沒有完全生成 這是一個缺點 但你仍然有 功能性的應用程序 可以看到 這些組件並非完全可用 但看起來真的很棒 並且它們精確地 模仿了Mac OS的樣式 我無法點擊進入圖片 這有點遺憾 但它已經編寫出了 所有這些組件的代碼 這很好 有一個計算器 還有一個終端 以及設置應用 在設置裏 我懷疑任何東西真的能用 比如外觀 我無法更改 這是唯一的缺點 但總體 我給7.5分 單考慮到這是一個小模型 並且能生成這種質量 我可以給它提到8分 接下來 使用Tlow CLI 我測試了另一個前端任務 但這對詹姆斯模型來說 是一個更復雜的生成任務 涉及嚴格的設計規則 編碼和交互約束 這就是詹姆斯31B生成的結果 我對它的生成效果 感到驚訝 考慮到它的規模 它能在執行 遵循指令 以及生成高質量生產級EY代碼方面 做得相當好 這非常不可思議 這完全可以與我們之前看到的 QCAN3.6和OPAS4.5相媲美 現在 看看260億參數的詹姆斯模型生成的結果 仍然相當不錯 這模型能在電腦上本地運行 太不可思議了 顯然 滑動動畫和動態移動部分 有一些小問題 但它能處理多種排版 動態移動和結構 這已經很了不起了 這裏 我用260億參數的詹姆斯模型 嘗試了另一個生成任務 它在這個任務上 也做得非常出色 顯然 動態移動部分 有很多不完美的地方 但它掌握了基本結構 這纔是最重要的 其他組件之後 可以再迭代改進 用這些模型 別指望一次生成就完美 但小模型的質量 確實夠用 接着我讓它做了一個 F1載車模擬器 這個測試重點 是複雜的視覺模擬 物理運動它沒完全搞定 以及純瀏覽器代碼的3D渲染 考慮到模型規模 這生成效果相當不錯 整體在創意和技術深度上 都很出色 它幾乎樣樣在行 從空間推理到代碼生成 尤其是前端 現在我在競技場裏測試它 這裏我把Gemma 4 31B 和Quant 3.6加做對比 忘了說 這些模型完全免費 可以在對戰模式裏隨便試 這兩次生成都很厲害 兩個模型都能夠 借代狀態管理的 交互式UI系統 我要求它做一個 產品展示器 支持360度旋轉 縮放和熱點標註 你看這裏 它甚至加了陰影效果 這我很少見模型能生成 UI挺基礎 不算多經驗 但能切換產品顏色就很棒 還能點擊查看功能點 這點也不錯 至於SBG 它做的還行 但不算最好 比如這隻蝴蝶效果就很好 我讓它生成蝴蝶 它甚至做了動畫 總體而言 對於310億參數的模型 它在PS5手柄 和SBG等生成任務上 結構處理的很到位 但還不夠精確 沒完全還原 真實PS5手柄的樣子 不過在生成SBG繪畫之類任務上 它表現突出 它能營造氛圍 表現風吹樹動的效果 雖然說動得不太真實 但還行 整體生成效果 賽事合格 前端質量不錯 能生成像Airbnb這樣的 克隆網站 挺驚人的 看起來和Airbnb官網 一模一樣 連圖標SBG生成和排版 都處理得很好 可惜模型規模所限 還做不了 我的世界克隆版 但它在構建 康樂器遊戲邏輯上 做得很好 有真實的物理模擬 支持實時交互 遊戲規則 所有組件都生成得很完美 狀態管理也沒問題 回合制 計分等規則實現 加上流暢的運動機制 在這款遊戲中都很出色 我很喜歡它的生成結果 除了Gemma 4 谷歌還通過Gemini應用 推了個有趣的功能 叫智能體技能 例如在手機上 任何設備用戶 都能輸入不同技能 讓小尺寸的Gemma 4模型 進行推理 並應用到各種場景中 最神奇的是 這一切完全在設備上運行 不用雲端 不靠外部算力 就靠手機跑模型 簡直不可思議 演示中可以看到 它能使用多種工具 串聯起來 執行多步驟任務 不只是回答問題 它還會決定用什麼工具 按什麼順序 以及如何整合輸出結果 例如 你可以讓它從手機 提取結構化數據 處理並生成可視化主表 儀器合成 這基本上就是個 本地運行的 全功能智能體系統 能調用多種工具 進行函數式操作 讓你在個人設備上 享受更高水平的AI體驗 驚喜的是 這模型是多模態的 具備圖像對比等推理能力 能提取共同模式 理解視覺上下文 以它的參數規模來說 這我真沒想到 它能分析 解析 綜合圖像信息 不只是簡單描述 甚至能在手機上 完成更深層的視覺推理任務 總的來說 Gem4這個模型系列 證明了開源模型 正進入新階段 效率 智能體工作流 和本地性能 比單純規模更重要 從它在設備 和我的電腦上的表現看 AI的未來 顯然正轉向更快速 更經濟 更本地的系統 今天視頻用到的 所有鏈接 都會放在下方描述區 希望大家喜歡 本期內容並有所收穫 祝大家愉快 保持積極 很快再見