最新消息！谷歌大叔刚刚在HuggingFace这个"程序员菜市场"挂出了Gemma 3的"试吃装"（预览版），看样子是专门给智能手表、智能家居这些"边缘设备"准备的。不过现在只能看宣传单（文件未发布），真正的"零食大礼包"还得再等等！
它有个独门绝技叫"选择性偷懒"（选择性参数激活），就像你们考试时只动有用的脑细胞一样。明明脑子里装着20亿或40亿个知识点（参数），但每次只用最关键的部分。这样既省电又跑得快，老旧手机也能带得动！
Gemma 3n使您能够在此基础上开始构建，这些基础将用于Android和Chrome等主要平台。在测试中，他们提到了三星Galaxy S25 Ultra，所以他们应该有一些适用于Android的推理框架。
它是基于matformer：https：//arxiv.org/abs/2310.07707
该体系结构与普通的Transformer相同，但是在训练期间，它们随机采样前馈部分的不同大小的连续子集。有点像dropout，但不是每次以固定的速率随机选择不同的组合，而是总是以给定的随机采样速率对相同的连续块进行采样。
你可以混合和匹配，例如，在第一个Transformer块中只取20%的神经元，然后慢慢增加，直到最后一个。这样，您就可以为您的计算资源建立最佳模型！
形象生动解释：
这个模型（Gemma 3n）的核心架构还是那个老熟人——Transformer（就是ChatGPT、Gemini这些AI的“大脑结构”）。但它玩了个新花样，叫 “Matformer”！
它咋工作的呢？
“随机偷懒”训练法：
普通Transformer训练时，所有“脑细胞”（神经元）都得干活，累死累活；但Matformer不一样，它训练时会随机抽签，每次只让一小撮连续的脑细胞（比如20%、50%）干活，剩下的躺平！这招有点像Dropout（深度学习的“防过拟合”技巧），但Dropout是东一个西一个随机关神经元，而Matformer是整块整块地关，更省力！
“渐进式加码”策略：
比如第一层Transformer块只让20%的脑细胞干活（“小弟先上！”），然后越往后，激活的神经元越多（“老大压阵！”）；这样就能根据你的手机/电脑性能，灵活调整计算量，不卡顿、不烫手！
举个栗子：
- 你手机性能一般？那就让AI“少用点脑细胞”，速度飞快！
- 你电脑性能炸裂？那就让AI“全力开火”，回答更精准！
网友热评：
1、从github下载edge gallery，从huggingface下载.task文件。在我的S25 Ultra上工作得很好
2、我在我那台用了两年的一加11手机上跑这个模型，速度大概每秒蹦出12个词（~12 tok/sec）——跟老式打字机‘咔嗒咔嗒’的速度差不多，但对我来说够用啦！更厉害的是，它的‘看图说话’能力超强，我随便丢张照片它都能唠得头头是道，简直像个迷你版‘福尔摩斯’️♂️。
3、Gemma 3，即使是小版本也非常一致地遵循指令，实际上是我用过的最好的型号，绝对击败了Qwen 3很多。即使是4B也相当可用，但27b甚至12b都是令人惊叹的指令跟随器，我一直在自动化系统中使用它们。
已经尝试过其他型号，更大的70b+型号仍然不能匹配它的使用，如HA在一致的指示以下和工具的使用是必要的。
所以我对这套新的Gemma模型感到非常兴奋。
4、展示安卓上AI效果：https://github.com/google-ai-edge/gallery
5、直接谷歌Gemma 3n的演示：https://aistudio.google.com/prompts/new_chat?model=gemma-3n-e4b-it
6、我在google ai studio中用这个模型做了一些翻译任务。目前，免费层的配额仅限于一条或两条消息，但根据GPT-o3的评估，一次性翻译尝试的得分在gemma 3 27 b和gpt-4 o之间，大致处于Deepseek V3的水平。它的尺寸非常令人印象深刻，唯一的缺点是它不像Gemma 3 12 b或Gemma 3 27 b那样遵循指令。