零成本！普通手机跑最强 Gemma 4 模型 (原生多模态)，安卓+iPhone 部署实测体验！
这期教程，我将带你从零开始，分别在 Android 和 iPhone 手机上跑通最新的 Gemma 4 模型。在开始动手之前，请确保你已经在本页下方找到了我们所需的全部下载资料和链接。
第一部分：Android 安卓端部署
我们先拿安卓手机来做测试。由于我的测试机配置比较旧，正好可以验证一下低配手机的运行效果。
1. 下载与安装环境
在下方资料区获取安装包，你可以选择直接从谷歌应用商店（Google Play）下载，或者直接下载 APK 安装包。
（1）、Google应用商店下载：【点击前往】
（2）、下载安卓APK安装包：【点击前往】
打开应用并完成安装。
首次进入点击 Get Started，并允许发送通知。
2. 性能模式与模型下载
进入应用后，我们需要进行基础设置并下载对应的 AI 模型：
选择运行模式： 顶部可以选择 AI 模型的运行模式（Fast 快速、平衡、高性能、自定义）。
进入模型库： 点击左上方三个横杠菜单，进入 Model Hub。
下载 Gemma 4： 向下滑动找到 Gemma 4 ECB 量化版模型。
注：系统会根据手机配置推荐合适的版本。由于我的手机配置不高，它推荐的是 1.2GB 大小的
Q2_K_S_L量化版。如果你的安卓机配置较高，可以选择最高 2.3GB 的版本以获得更好的体验。
勾选推荐版本，拉到底部点击 Download，耐心等待一分钟左右即可下载完成。
3. 载入与测试模型
返回首页，进入 Fast 选项卡并拉到底部，打开 自定义模式。
创建模型： 名称可以随便填。
选择模型： 选中我们刚刚下载好的 Gemma 4 1.2G 模型。
参数设置： * 上下文长度：根据手机硬件配置自定义（配置低切勿拉太高）。
最高 Token 输出量：设置为 512。
点击保存，自定义模型就配置完成了！
实测表现： 我让它在本地完全离线的状态下帮我编写了一个贪吃蛇小游戏，生成速度非常快，日常对话也完全没有问题。
第二部分：iOS 苹果端部署
看完安卓，我们再来看看 iPhone 上的表现。
1. 下载 Locally AI
【点击前往】
通过下方链接前往 App Store 下载名为 Locally AI 的应用程序。这是一款完全免费、主打隐私与安全、支持加载本地离线模型的强大工具。
2. 下载 iOS 版 Gemma 4
打开应用，跳过欢迎页的默认模型推荐。
点击上方的 选择模型，在列表中找到支持深入思考和多模态的最新的 Gemma 4。
点击下载（文件大小约为 3.61GB，版本为
E2B量化版）。
极客硬核测试：Gemma 4 到底有多强？
模型下载好后，我针对它的多模态、逻辑推理和代码能力进行了深度测试。
测试一：多模态视觉识别（拍照识物）
我随手在桌面上扔了一些杂物，打开 深入思考模式 拍照发给它，看看它能识别出什么。
我的提问： 你看到了什么？桌面上堆有哪些东西？ Gemma 4 回答： > *
一部深色的智能手机
翻车环节： 唯独桌上的西瓜子它没认出来。我再次特写拍照问它“黑色点点是什么，总共有多少个？” 它推测是干燥的种子（算答对），但数量数成了 9 个（实际是 16 个）。 吐槽：为了公平起见，我也问了 ChatGPT，虽然 ChatGPT 认出了西瓜子，但也数错了（数成了 17 个）。看来 AI 数数依然是个老大难问题！
测试二：逻辑推理（蒙提霍尔问题）
题目： 三扇门（一车两羊），你选定一扇后，主持人打开一扇羊门。问：换门是否有利？ Gemma 4 回答： 这是一个经典的蒙提霍尔问题变种。答案是换门更有利。坚持原门只有 1/3 的概率，而换门可以抓住主持人排除错误选项带来的机会，将概率提升到 2/3。 结论： 逻辑非常清晰，完全正确！
测试三：前端代码编程
要求： 编写一个 3D 鱼缸场景，水、水草和鱼要有真实感。 结果： 它不仅提供了 HTML，还一并写好了 CSS 样式和 JS 代码。将代码复制到电脑上运行后，视觉效果非常逼真。作为一个手机端本地运行的小模型，能达到这种渲染水准令人惊艳。
测试四：医疗物品识别安全机制
我拍了一盒“瑞巴派特片”给它。它准确识别出了药片名称，但立刻触发了安全机制，表示“由于涉及身体和健康产品，无法提供医疗建议，请务必咨询医生”。表现得非常严谨。
终极考验：断网飞行模式测试
为了验证它的纯离线真伪，我断开了所有网络并开启了飞行模式。
写长篇小说： 让它写一篇 5000 字左右的恐怖小说。它在完全离线的状态下，使用繁体字分章输出，仅用时 1 分钟左右就完成了创作。
微距视觉推理： 在离线状态下发给它一张包含大象和蚂蚁的画。它准确识别出了大象头部，并声明“由于细节非常小，对蚂蚁的识别是基于微小尺寸的推测”。离线多模态能力确实靠谱。
总结与资源获取
Gemma 4 模型在手机端的本地离线表现远远超出了我的预期，无论是生成速度、逻辑推理还是多模态视觉，都达到了相当高的可用级别。
留言
張貼留言