Gemma 3 4B
Google 发布的 Gemma 系列轻量级开源大语言模型，4B 参数版本适合本地推理。
核心事实
时间轴 (近 90 天)
该研究在八个数据集上，对Gemma 3 1B和4B模型使用Gemma Scope SAE进行分析。
通过 ollama show gemma3:4b 可见 Gemma 3 的能力列表为 completion、vision，不具备 tool calling 能力。
开发者用 30 件人工标注的物品测试 gemma3:4b 模型（温度 0.1），v1 散文提示词配置下品牌正确率 97%，编造品牌 1/4；v2 加入 JSON Schema 后品牌正确率 100%，编造品牌 0/4。
Sourcerer 使用本地运行的 Gemma 3 4B 模型进行物品识别，使用纯 TypeScript 函数进行定价计算。
作者在同一台机器上用 76 个合成病例对比了三个 Gemma 变体：Gemma 4 E4B 达到 97%，Gemma 3 4B 为 78% 并出现 5 次误报，Gemma 4 12B 为 80% 且有 32 次调用超时。
LedgerPrep Lite 使用 Ollama 和 Gemma 3 4B 在本地运行开放权重的语言模型，从图片中提取结构化信息。
作者实测对比 Gemma 3 1B 和 4B：1B 在改名场景下写出「应用将重发被搁置的事件」并让发送方去改，两个错误都被检查拦下并回退到规则答案；4B 在笔记本 GPU 上约 16 秒，能准确说出客户、金额和具体字段。
Gemma 3 4B 在 Holdfast 中只负责从固定的八种原因里选一个（受 JSON schema 约束）以及撰写解释文案，代码会逐字检查输出。
本地读图在 CPU 上连同模型加载约需 52 秒。
本地版本使用 Gemma 3 4B 通过 Ollama 在用户机器上运行，读取配料标签照片并提取文本送入同一套判定流水线；在一包真实乳制品上返回 Contains: Milk。
还有 15 条时间轴事件
全部知识事实 (20)
Gemma 3 4B 是 Google 发布的开源小型语言模型，参数量约 40 亿，可在普通消费级笔记本的 CPU 上运行
70%已验证Gemma 3 1B 是 Google 于2025年发布的 Gemma 3 系列中参数量最小的开放权重模型，拥有约10亿参数
65%待验证该研究在八个数据集上，对Gemma 3 1B和4B模型使用Gemma Scope SAE进行分析。
50%待验证Sourcerer 使用本地运行的 Gemma 3 4B 模型进行物品识别，使用纯 TypeScript 函数进行定价计算。
50%待验证通过 ollama show gemma3:4b 可见 Gemma 3 的能力列表为 completion、vision，不具备 tool calling 能力。
50%待验证开发者用 30 件人工标注的物品测试 gemma3:4b 模型（温度 0.1），v1 散文提示词配置下品牌正确率 97%，编造品牌 1/4；v2 加入 JSON Schema 后品牌正确率 100%，编造品牌 0/4。
50%待验证作者在同一台机器上用 76 个合成病例对比了三个 Gemma 变体：Gemma 4 E4B 达到 97%，Gemma 3 4B 为 78% 并出现 5 次误报，Gemma 4 12B 为 80% 且有 32 次调用超时。
50%待验证LedgerPrep Lite 使用 Ollama 和 Gemma 3 4B 在本地运行开放权重的语言模型，从图片中提取结构化信息。
50%待验证作者实测对比 Gemma 3 1B 和 4B：1B 在改名场景下写出「应用将重发被搁置的事件」并让发送方去改，两个错误都被检查拦下并回退到规则答案；4B 在笔记本 GPU 上约 16 秒，能准确说出客户、金额和具体字段。
50%待验证Gemma 3 4B 在 Holdfast 中只负责从固定的八种原因里选一个（受 JSON schema 约束）以及撰写解释文案，代码会逐字检查输出。
50%待验证本地读图在 CPU 上连同模型加载约需 52 秒。
50%待验证本地版本使用 Gemma 3 4B 通过 Ollama 在用户机器上运行，读取配料标签照片并提取文本送入同一套判定流水线；在一包真实乳制品上返回 Contains: Milk。
50%待验证PrintBrief 使用本地运行的开源模型 Gemma 3 4B 通过 Ollama 进行语义提取，将非正式客户消息解析为结构化印刷订单。
50%待验证对于 PrintBrief 这类任务单一、输入较短的文本抽取场景，4B 量级的量化模型已足够可用。
50%待验证AutoHeal AI 的技术栈包括：Gemma 3 4B 作为语言模型，Ollama 作为本地运行时，Python + FastAPI 做后端，React 做前端，psutil 做监控采集，Scikit-learn 做异常检测，SQLite 做数据存储，Docker 做容器化测试环境，Recharts 做可视化，GitHub 做开源托管。
50%待验证Gemma 3 4B 是 Google 于 2025 年发布的开源权重多模态模型家族中的一员，参数量约为 40 亿，支持文本与图像输入。
50%待验证DukaanAI 的核心 AI 能力来自本地运行的 Gemma 3 4B 模型，通过 Ollama 调用，模型分析图片后返回结构化 JSON。
50%待验证Local Receipt Sorter 使用 Gemma 3 视觉模型（4B 参数）通过 Ollama 在本地提供服务，模型可通过环境变量切换到 12B 版本以提高精度。
50%待验证Gemma 3 4B 模型在复杂版式、手写体或低光照照片上的字段提取精度会明显低于 12B 或云端大模型。
50%待验证Gemma 3 视觉模型（4B）是 Google 发布的轻量级多模态模型，支持文本与图像输入，4-bit 量化后显存占用约 3-4GB，可在消费级笔记本 GPU 或 Apple Silicon 上运行。
50%