它是什么？
Gemma 4 E2B 是 Google DeepMind 在 Gemma 4 家族里面向移动部署的成员，2026 年 4 月发布。Cove 当前在 Android 应用家族中集成了固定版本的 Gemma 4 LiteRT-LM 包；应用仍处在测试与商店发布阶段，所以本页会把“代码已接入”和“已有公开用户验证”严格分开。
关于参数量的小注：官方标注为「E2B = 2.3B 有效参数」，指每次前向计算时实际激活的权重。参数口径不等于最终下载包体积；量化、容器元数据和运行时打包都会改变交付文件，Cove 当前固定的 E2B LiteRT-LM 包约为 2.58GB。
核心规格一览
（请参考上方规格卡，数据来自结构化数据层。）
什么设备能跑？
Gemma 4 E2B 面向当前移动与桌面硬件，但模型卡不能保证某一款手机上的生产表现。量化、上下文长度、模态、加速器支持和温控都会影响结果。真正发布前，应在最低 RAM 与最低芯片档位上验证实际部署包。
优势与局限
优势。 通用文本任务下尺寸/质量比堪称最佳，原生支持文本+视觉+音频多模态，Apache 2.0 友好许可，Google 官方维护活跃且每季度迭代。从更大的 Gemini 家族蒸馏而来，赋予它远超参数量本身的知识广度。
局限。 数学与推理 benchmark 略逊于 Phi-4-multimodal。128K 上下文已与 Llama 3.2 持平，不再是长文档瓶颈 —— 但多语种质量参差，前 20 大语言强势，长尾语种支持欠佳。
适合什么场景？不适合什么场景？
选 Gemma 4 E2B 当： 你需要一个均衡的通用端侧模型；你想在同一 runtime 里同时处理文本+视觉+音频；你的目标设备 RAM 4GB 起步；你重视许可证简洁性。
别选它当： 你的工作负载推理密集（用 Phi-4-multimodal 或 DeepSeek-R1 Distill）；你需要百万 token 级上下文（目前仍是云端独占）；你只面向 Apple 生态且偏好原生工具（用 Apple Foundation Models）。
与相似端侧模型对比
最相近的两位兄弟：Microsoft Phi-4-multimodal（参数更多、推理更锐利、MIT 许可证、同样支持文本+视觉+音频）与 Qwen 3.5 2B（中文更强、规模相当、262K 上下文）。完整横评见 leaderboard。
在 Cove App 里的真实落地
Cove Travel 已接入 Gemma 4 的离线翻译流程，Cove Voice 复用同一端侧推理层完成笔记整理。它们是已经实现的 Android 产品路径，但仍在推进封测与商店发布；真实设备 benchmark 和发布证据会随测试补充。
中文工程实践可继续阅读奇连 AI 的 Gemma 4 本地部署教程。