用云端AI時(shí)，你有沒(méi)有算過(guò)這筆賬？這個(gè)月調(diào)了多少次API，會(huì)不會(huì)觸發(fā)用量上限，那些沒(méi)整理好的筆記和代碼草稿到底要不要發(fā)出去。這種焦慮跟bug無(wú)關(guān)，是另一種更隱蔽的消耗。過(guò)去一年，這幾乎成了我的默認(rèn)狀態(tài)。

云AI確實(shí)好用。但它越來(lái)越不像"擁有"某種能力，更像是在租一個(gè)隨時(shí)可能漲價(jià)、限速或收回的東西。Gemma 4讓我注意的正是這點(diǎn)——不是因?yàn)樗鼌?shù)多大、榜單排第幾，而是它讓"本地跑一個(gè)能用的AI"這件事，第一次感覺(jué)不折騰了。

對(duì)學(xué)生、獨(dú)立開(kāi)發(fā)者、內(nèi)容創(chuàng)作者來(lái)說(shuō)，這個(gè)轉(zhuǎn)變很關(guān)鍵。討論的重心從"能不能用上AI"慢慢滑向"這玩意兒到底歸誰(shuí)管"。

Gemma 4是Google最新的開(kāi)放模型家族，底層研究和Gemini同源，但完全開(kāi)放下載、本地運(yùn)行、微調(diào)和集成。目前四個(gè)主要版本：E4B（40億參數(shù)，單卡友好）、E9B（90億參數(shù)，平衡型）、31B（310億參數(shù)，高性能）、26B A4B MoE（混合專家架構(gòu)，重推理任務(wù)）。

有意思的是，即使是小參數(shù)版本，也塞進(jìn)了以前只有企業(yè)級(jí)模型才給的功能：128K上下文窗口、多模態(tài)理解（圖文）、多語(yǔ)言支持、結(jié)構(gòu)化輸出（JSON/函數(shù)調(diào)用）。本地AI不再等于"閹割版"，Gemma 4把它當(dāng)成正經(jīng)開(kāi)發(fā)環(huán)境來(lái)設(shè)計(jì)。

選模型的正確姿勢(shì)不是問(wèn)"哪個(gè)最強(qiáng)"，而是"我的硬件和工作流能扛住哪個(gè)"。

我自己測(cè)的時(shí)候故意沒(méi)選大模型，挑了E4B。因?yàn)槲蚁肟纯雌胀ㄈ苏鎸?shí)的使用場(chǎng)景——不是頂配顯卡，是手頭能摸到的設(shè)備。31B確實(shí)更強(qiáng)，26B A4B MoE對(duì)復(fù)雜推理很有吸引力，但寫(xiě)東西、整理研究筆記、分析截圖、輕量實(shí)驗(yàn)這些活兒，E4B才是誠(chéng)實(shí)的試金石。一個(gè)在紙面上很牛的模型，對(duì)目標(biāo)用戶來(lái)說(shuō)可能根本跑不動(dòng)，這種落差往往被評(píng)測(cè)忽略。

部署過(guò)程比預(yù)期順滑得多。用Ollama或LM Studio這類工具，本地跑模型的摩擦感幾乎消失了。一條命令：ollama run gemma4:4b，完事。

真正讓我意外的是工作流整合。我故意塞了一堆東西進(jìn)去：潦草的研究筆記、幾張截圖、一個(gè)沒(méi)寫(xiě)完的內(nèi)容大綱。本來(lái)預(yù)想會(huì)卡頓或需要反復(fù)調(diào)教，結(jié)果沒(méi)有。它直接可用。