Google 前两天开源了 Gemma 4。
这事挺重要。没有调用费，没有额度限制。装在你自己电脑上就能用。
Gemma 4 用 Apache 2.0 开源。想改就改，想卖就卖，没人管。
你的电脑能跑吗？
Gemma 4 有四个规格。
最小的叫 E2B。23 亿参数。只要 4GB 内存。能看图片，能听音频。上下文能到 128 K。手机上都能装。
升级版叫 E4B。45 亿参数。6GB 内存。图片、音频都支持。上下文 128 K。日常用这个挺舒服。
然后有个 26B。总参数 252 亿，但推理时只激活 38 亿。4-bit 量化后 16-18GB 内存。上下文 256 K。性价比最高，没有之一。
最后是 31B。全部激活，307 亿参数。17-20GB 内存。上下文 256 K。数学能到 89%，写代码 80%。性能怪兽。
简单总结。4GB 跑 E2B，6GB 跑 E4B，18GB 跑 26B，20GB 以上跑 31B。
为啥现在能在笔记本跑
Google 改了架构。不是所有 token 都平等对待。有的快速处理，有的深度分析。这样小模型也能理解长文本，功耗还不会飙升。
E2B 能处理 12.8 万个词，31B 能到 25.6 万。相当于整本书都能一口气消化。
嵌入层也改了。不集中在一个地方，分散到每层。参数就少了，显存也跟着省。
多模态这块做得挺扎实。文字、图片、音频真的集成到一个模型里了。能识别表格、理解截图、转录语音、翻译音频。支持 140 多种语言。能调用外部工具，能开启思考模式，有系统提示。
Mac 用户怎么装
ollama.com 去下载安装。
或者命令行。
brew install --cask ollama-app
装完打开终端。
open -a Ollama
菜单栏出现个羊驼图标。等一会儿。
然后拉 26B 试试。
ollama run gemma4:26b
Ollama 自己下载模型。26B 有 18GB，要等一会儿。
下完就能聊天了。随便问啥都行。
想看模型跑得咋样。
ollama ps
能看到 CPU 和 GPU 的分配。Apple Silicon 的话大部分计算都跑 GPU。速度快一大截。
Windows 跟 Linux 用户看过来
Windows 的话，去 Ollama 官网下安装。
或者开 PowerShell。
irm https://ollama.com/install.ps1 | iex
装好开新 PowerShell 窗口。
ollama run gemma4:26b
有 NVIDIA 显卡会自动用。没有也能跑，就是慢。
Linux 就简单了。
curl -fsSL https://ollama.com/install.sh | sh
然后。
ollama run gemma4:26b
差不多。
Ollama 新版本加了个 NVFP4 格式。显卡省显存。精度基本不损。RTX 40 系以上会自动用。
如果你有 OpenClaw
已经装 OpenClaw 的话，啥都不用敲。
就跟 OpenClaw 说。装 Ollama，然后拉 Gemma 4。OpenClaw 会自己搞定。
装完可以让它测试一下。跟 Gemma 4 问个问题。如果能回答，就成了。
纯 CPU 跑 26B 会有点卡。可以让它换成 E4B。快多了。
或者更狠。把 OpenClaw 自己的模型后端改成本地 Gemma 4。API 指向 localhost:11434。从此再也不用云服务。
不过还是建议 31B 当主力。小模型留给手机。
Gemma 4 能干啥
推理模式。模型能在回答前想一想，分步骤思考。
长上下文。12.8 万到 25.6 万个词。整部书、整个代码库都能塞进去。
图片。识别物体、读 PDF、理解截图、识别手写、指认位置。各种尺寸的图都行。
视频。逐帧理解，能看视频讲啥。
音频。自动识别、翻译，支持多语言。
混用。一条提示里随意混文字、图片、音频。
函数调用。能集成外部工具。
写代码。生成、补完、改 bug。
140 多种语言。中文、英文、日文，都行。
性能怎样
Gemma 4 31B 的成绩。
数学推理：89.2%。
各类知识：85.2%。
写代码：80%。
视觉理解：76.9%。
跟 Claude、GPT-4 那个水平差不多。
常用命令
ollama list 看已下的模型
ollama ps 看正在跑的
ollama run gemma4:26b 开始聊
ollama stop gemma4:26b 停下来
ollama pull gemma4:26b 更新
ollama rm gemma4:26b 删掉
成本
安装、下载、运行，全不要钱。
没月费，没年费。
显卡分几年摊，电费忽略。
对比云 API。月费 4500 块，一年省 5 万多。
