Posts

本地部署 Gemma4 E4B 实战指南：从旧模型迁移到统一多模态AI 迁移背景 2026年4月，我们将本地部署的多个小模型（gemma3:1b、qwen3.5:4b、moondream、Whisper）统一迁移到 Google 的 Gemma4 E4B（4B Effective），实现了单一模型处理图片识别、视频分析和语音识别任务。 环境要求 操作系统： Ubuntu 22.04+ (ARM64 或 x86_64) 内存： 推荐 16GB RAM（模型运行时占用约 10-11GB） 磁盘： 10GB 可用空间（模型文件 9.6GB） 软件： Ollama 0.20.0+ 迁移步骤 1. 升级 Ollama 到 0.20+ # 检查当前版本 ollama --version # 升级到最新版本 curl -fsSL https://ollama.com/install.sh | sh # 重启服务 systemctl restart ollama # 或 service ollama restart 2. 卸载旧模型 ollama rm moondream:latest ollama rm gemma3:1b ollama rm qwen3.5:4b # 卸载 Whisper（如果通过 pip 安装） pip uninstall -y faster-whisper 3. 拉取 Gemma4 E4B ollama pull gemma4:e4b 首次拉取需要下载 9.6GB 模型文件，耗时取决于网络速度。 ...

Qwen3.6-Plus 深度评测：免费云端API vs 本地Gemma4 E4B 概述 Qwen3.6-Plus 是阿里巴巴通义千问系列的中等规模模型，通过 OpenRouter 提供 API 访问。本文将从性能、成本、部署难度等维度，对比 Qwen3.6-Plus 与本地部署的 Google Gemma4 E4B。 核心能力 Qwen3.6-Plus 特点： 多模态支持（文本 + 图像） 上下文窗口：1048576 tokens 最大输出：128000 tokens 云端托管，零运维成本 通过 OpenRouter 计费（有免费额度） Gemma4 E4B 本地部署： 统一多模态模型（图像、视频、语音识别） 参数规模：4B Effective（MoE架构，实际激活参数4B） 模型大小：9.6GB 完全本地运行，数据隐私保护 无 API 调用费用 性能对比 维度 Qwen3.6-Plus Gemma4 E4B (本地) 部署难度 ⭐ 极简（API调用） ⭐⭐ 需Ollama安装 响应速度 依赖网络延迟 本地推理（较快） 成本 API计费（有免费层） 一次性存储成本 隐私性 数据经过第三方 完全本地 可用性 依赖网络和服务状态 离线可用 多模态 ✅ 支持 ✅ 支持 应用场景推荐 选择 Qwen3.6-Plus 的场景： ...