Gemma 4 實測：輕量模型能不能扛中文任務

為什麼想測

專案裡有些輕量任務（例如把使用者輸入分類、抽取關鍵字）不想每次都打成本較高 的大型模型 API，想看小尺寸的 Gemma 4 能不能接手這些工作，把主力模型的 用量省下來。

英文任務表現

英文的分類、摘要任務表現符合預期，回應速度快，本機也跑得動， 拿來做輕量的前處理很划算，判斷結果跟大型模型的落差不大。

中文任務表現

中文的表現明顯比英文弱，尤其是需要理解語境或抓多義詞的任務，錯誤率 比英文任務高出不少，遇到比較口語化或帶有台灣用語習慣的輸入時， 判斷結果的穩定度會再往下掉。

結論

如果專案主要處理英文內容，或任務本身不需要太細緻的語言理解（像是簡單的 關鍵字比對），Gemma 4 這個量級可以省下不少 API 成本。中文為主的場景， 現階段還是需要大型模型把關，Gemma 4 比較適合放在流程前段做初步篩選， 而不是直接拿來做最終判斷。