今天，谷歌正式发布全新一代轻量级AI模型：Gemma 3n，该模型延续了“移动优先”架构理念，在性能、效率和适配性上实现全面跃升，为开发者带来最领先的边缘AI应用能力。

谷歌表示，自首个Gemma模型发布以来，整个生态系统已累计下载量超过1.6亿次，并孕育出众多细分模型及开发创新。从企业级计算机视觉，到多语种模型研发，Gemma逐步构建出一个庞大而充满活力的“Gemma社区”。

本次发布的Gemma 3n，基于此前预览版的反馈与改进，完整释放了其面向开发者设计的能力，并全面兼容Hugging Face Transformers、llama.cpp、Google AI Edge、MLX、Ollama等主流平台工具，支持高效微调与部署，助力打造各类端侧应用。

Gemma 3n 的核心优势包括：

● 原生多模态支持：集成图像、音频、视频与文本处理能力；

● 设备端优化：提供 E2B（等效参数2B）与 E4B（等效参数4B）两个版本，最低仅需2GB内存即可运行；

● 创新架构 MatFormer：采用“套娃式”Transformer结构，支持模型动态缩放与自定义混合；

● Per-Layer Embeddings（PLE）技术：显著减小显存占用，在不影响质量的前提下提升部署效率；

● KV Cache 共享机制：实现长输入场景下的推理加速，响应速度提升达2倍；

● 多语种与数学编程能力增强：支持140种语言，E4B版本LMArena得分突破1300，成为首个突破此分数的10B参数以下模型。

Gemma 3n搭载先进的音频编码器，支持离线语音识别与跨语种翻译。在英西、英法、英意等方向表现尤为突出，为本地语音应用开发打开了新天地。

同时，其全新视觉模块MobileNet-V5-300M也同步亮相，具备：多分辨率支持（256x256至768x768）；每秒高达60帧的处理能力；基于深度金字塔结构与多尺度融合的新型VLM适配器；与前代相比，在推理速度、参数规模和内存占用方面均大幅优化。

相较于此前Gemma 3中的视觉基线SoViT，MobileNet-V5在Edge TPU量化场景下实现13倍加速，同时减少46%参数量，整体精度表现显著提升。

此外，谷歌还同步启动Gemma 3n Impact Challenge挑战赛，号召全球开发者基于Gemma 3n的离线、多模态、设备端能力，构建真正改变世界的产品与解决方案。大赛欢迎提交具备“真实场景影响力”的视频故事与演示作品，总奖金高达15万美元。

随着社区力量不断壮大，谷歌表示将继续推动AI能力走向普惠与可部署，助力每一位开发者将想法变为现实。

参考资料：https://developers.googleblog.com/en/introducing-gemma-3n-developer-guide/