谷歌发布开源多模态模型Gemma 3n：专为移动设备设计的AI突破

谷歌于2025年6月27日正式推出开源多模态模型Gemma 3n，该模型专为移动设备设计，以极低内存需求实现图像、音视频及文本的多模态处理能力。作为Gemma系列的最新成员，Gemma 3n采用创新的MatFormer架构，通过“俄罗斯套娃”式嵌套设计，使同一模型能根据硬件条件动态调整规模。其E2B（50亿参数）和E4B（80亿参数）版本运行时仅需2GB和3GB内存，内存占用效率相当于传统20亿和40亿参数模型。

技术突破方面，Gemma 3n成为首个在参数量低于100亿时LMArena榜单得分突破1300的模型，其多模态能力此前仅见于云端大型模型。该模型原生支持图像、音频、视频及文本输入，并生成文本输出，显著提升了设备端在多媒体理解与生成领域的应用潜力。谷歌强调，这一技术突破使得智能手机、平板等终端设备能本地运行复杂的多模态AI任务，同时保障数据隐私。

开发者生态支持上，Gemma 3n已与Hugging Face Transformers、llama.cpp等主流工具深度集成，提供完整的模型权重、技术文档及开发者指南。性能优化方面，相比5月发布的预览版，正式版重点强化了编码与推理能力，并采用Per Layer Embeddings（PLE）和MobileNet-v5视觉编码器等技术创新以提升内存效率。

此次发布标志着谷歌在设备端AI领域的重要进展，Gemma 3n的轻量化特性为医疗、无障碍等隐私敏感场景提供了新的技术选择。该模型现已通过谷歌开发者平台及开源社区全面开放下载。