翻译
- Gemma 4 E2B — 1.5GB 多模态文本+视觉+音频，综合最均衡之选
- Apple Foundation Models — iOS 26 原生集成 —— Apple 用户零下载
- Qwen 3.5 2B — 262K 上下文长文档强；中文/多语全面
端侧 AI 模型 Leaderboard 2026：8 主流大模型横评
最后校验: 2026 年 5 月| 模型 | 厂商 | 参数 | 量化大小 | 上下文 | 模态 | 许可证 | 最低 RAM | Cove 用了吗 | 详情 |
|---|---|---|---|---|---|---|---|---|---|
| Gemma 4 E2B | Google DeepMind | 2.3B | 1.5 GB | 128,000 | text+vision+audio | apache-2.0 | 4 GB | ✓ | 查看 → |
| Microsoft Phi-4 multimodal | Microsoft Research | 5.6B | 3.5 GB | 128,000 | text+vision+audio | mit | 6 GB | ✓ | 查看 → |
| Apple Foundation Models | Apple | 3B | 未公开 | 未公开 | text+vision | apple-proprietary | 8 GB | ✓ | 查看 → |
| Llama 3.2 Mobile | Meta AI | 3B | 2 GB | 128,000 | text | llama-community | 6 GB | ✓ | 查看 → |
| Qwen 3.5 2B | Alibaba Cloud | 2B | 1.5 GB | 262,000 | text+vision | apache-2.0 | 4 GB | ✓ | 查看 → |
| Ministral 3B | Mistral AI | 3B | 2 GB | 32,768 | text+vision | apache-2.0 | 4 GB | ✓ | 查看 → |
| DeepSeek R1 Distill (Qwen 1.5B) | DeepSeek | 1.5B | 1 GB | 32,768 | text | apache-2.0 | 4 GB | ✓ | 查看 → |
| MiniCPM-V 4.0 | ModelBest / OpenBMB | 4.1B | 2.5 GB | 32,768 | text+vision | modelbest-terms | 4 GB | ✓ | 查看 → |
方法论
这份对比表怎么做出来的。 8 款模型按相同维度对比 —— 参数量、量化后大小、上下文窗口、模态、许可证、最低设备 RAM —— 数据来源是各厂商官方模型卡（Hugging Face、厂商博客、官方文档），截止日期见上方「最后校验」徽章。我们不跑自己的 benchmark，而是对每个数据点交叉验证 2-3 个权威源，遇到矛盾时优先采纳厂商自身声明。实际表现可能与本表偏差 ±10-20%，取决于量化方案（Q4_K_M / AWQ / GPTQ 各有差异）、推理 runtime（LiteRT / MediaPipe / ExecuTorch / llama.cpp / Core ML）、以及设备热降频。每个模型卡都有自己的 `lastReviewed` 字段，本页每季度刷新一次。冲突与歧义在我们的 GitHub 公开 repo 里追踪。
按用途选模型
语音与笔记
- DeepSeek R1 Distill (Qwen 1.5B) — 1.5B 推理专精，4GB RAM 手机也能跑
- Ministral 3B — Ministral 3B —— 日常笔记任务的可靠多面手
- Microsoft Phi-4 multimodal — Phi-4 multimodal 一模型搞定语音+文本+图像
看图与照片
- MiniCPM-V 4.0 — 视觉任务专精，4B 模型表现超规格
- Gemma 4 E2B — 原生视觉+音频仅 1.5GB；主流旗舰皆可跑
- Microsoft Phi-4 multimodal — 5.6B 多模态 —— 视觉+推理最强组合
按设备选模型
旗舰 (8GB+ RAM)
舒适跑动 mobile 优化的最大模型
中端 (6GB RAM)
大小与能力平衡的最佳点
老机型 (4GB RAM)
小模型仍能提供真实价值