gemma-4-E4B-it (Google)

独立证据与社区反馈

5 个独立来源 · 另 2 官方/转载最近验证 2026-07-22

社区普遍认为 Gemma 4 的实际体验远超基准分数表现，尤其复杂指令遵循能力出色，能避免常规 AI 模型的冗余废话输出，在小尺寸模型中可靠性突出。

• 复杂指令遵循：能精确执行多步骤指令而不产生冗余废话（Reddit 社区日常使用一周验证）
• 边缘/手机端部署：E4B 采用跨层 KV 共享机制，将缓存压缩 83%，专为移动设备低 DRAM 环境设计
• 本地推理加速：MTP drafter 支持最高 3 倍推理加速，已接入 llama.cpp 和 Ollama
• 原生音频理解：E4B 小模型原生支持音频输入，扩展了多模态应用场景
• 商业友好许可：Apache 2.0 协议，可自由商用、微调与分发
• 本地硬件可运行：从 Android 手机到笔记本 GPU 均可部署，无需云端
• 128K 上下文窗口：小模型即支持长上下文处理
• 原生系统提示词支持：新增 system 角色，便于构建结构化对话与可控交互

• 边缘模型性能换内存：跨层 KV 共享虽大幅降低缓存占用，但引入了额外的 MLP 计算开销
• 4.5B 有效参数量：相比 31B/26B 大模型在基准测试上有明显差距，复杂任务能力有限
• E4B 缺乏独立基准数据：多数公开基准得分（如 MMLU 87.1%、Chatbot Arena 排名）均来自 31B/26B 大模型，E4B 实际表现缺乏量化参考

• 社区实测Honestly, Gemma 4 feels way better than the benchmarks ...
• 独立评测Gemma 4 by Google: Specs, Benchmarks, and How to Run ...
• 基准/排行Gemma 4 E4B Benchmarks, Pricing & Size
• 独立评测Gemma 4 Small Models Are INSANE – E2B & E4B Hands- ...
• 独立评测Gemma 4 Benchmarks 2026: MMLU 87.1%, Top-3 Open Model
• 转载/仓库google/gemma-4-E4B-it · Hugging Face
• 官方/厂商Gemma 4: Byte for byte, the most capable open models

可信度下载 122 万, Google 官方权重, llama.cpp 量化