Gemma 3 4B Instruct

Gemma 是 Google 的开放权重模型系列，与同厂的 Gemini 闭源 API 服务是两条产品线：Gemini 按输入、输出 token 计价并强调超长上下文，Gemma 更多被放在自有环境里跑。Gemma 3 4B Instruct 落在该系列的小参数档，名字里的 Instruct 表示它经过指令微调，直接面向对话与指令跟随，而不是需要自行接下游任务的基座模型。它要解决的问题很具体：在不依赖外部 API 的前提下，跑通分类、抽取、改写、摘要、简单问答这类高频但难度不高的文本任务。需要说明的是，本站事实里官方价格未公开、能力项未标注、收录平台数为 0，能确认的只有发布日期、厂商与一组 Artificial Analysis 口径的第三方跑分，因此下面的判断以定性为主，具体规格应以官方模型卡为准。

选型建议需要低成本、可自托管、任务难度不高的文本处理时值得考虑；要做 Agent、终端操作或高难度推理，应直接选更大模型或闭源 API。

• 在本地或单机上跑通中文摘要、改写与要点提取等轻量文本任务
• 批量完成文本分类、标签打标与结构化字段抽取
• 用作开发阶段的低成本占位模型，先验证 prompt 与流程再换更大模型
• 在隐私敏感场景自托管，处理不便外传的内部文档问答
• 在离线或端侧环境搭建简单对话与指令跟随原型

4B 档位的结构细节在公开渠道披露有限，这里只做定性描述，不涉及本站事实之外的参数。

• 结构延续 Gemma 系列的 decoder-only Transformer 路线，Instruct 版本在基座之上做过指令微调；层数、注意力配置与词表规模等具体项未在本站事实中给出。
• 能力指令微调带来的是对话与任务描述的跟随能力，适合把自然语言要求转成结构化输出；基座本身的预训练数据构成公开资料较少，不做推断。
• 披露本站未标注任何能力标签，Google 也未公布官方价格；结构参数建议以官方模型卡为准，第三方口径目前只有跑分可用。

Artificial Analysis 口径的几项指标显示，它在知识型问答上还留有一定底子，但在工具调用与终端类任务上几乎不成立。

• 强项GPQA 29.1% 是这批指标里相对最高的一项，说明面对研究生级知识题仍能作答一部分，明显好过纯闲聊定位的小模型。
• 短板HLE 5.3%、LCR 6.7% 偏低，TerminalBench v2.1 与 Tau-Banking 均为 0.4%，说明长链推理、终端操作与工具调用基本不可用。
• 适合更适合短文本改写、分类、字段抽取与简单问答等单轮或短多轮任务，不宜承担 Agent 编排或代码执行链路的主模型角色。

跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。

官方价格未公开、本站收录平台数为 0，价格维度只能给出结构性判断，算不出具体倍数。

• 定位Google 未公布该模型的 API 单价，本站也未标注能力等级；同厂 Gemini 系列按输入与输出分别报价，两者计费口径并不相同。
• 横向对比对比表列出 Gemini 4 Carbon、Gemini 4 Argon、Gemini 3.8 Flash 等型号的输入价与 AA 分，但本模型的价差字段为空，无法换算相对倍数。
• 平台差价收录平台数为 0，暂无可比的多平台报价，因此不存在「哪家更便宜」这类结论，选型时不能按平台比价来推。
• 省钱作为开放权重系列的小档位，若走自托管路线，成本主要落在硬件与运维，与按 token 计费的闭源 API 不是同一套账。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径跑分仅来自 Artificial Analysis 单一口径，测试配置未随事实给出；小模型对提示写法与解码设置敏感，不同来源的分数不宜互相拼接。
• 边界官方价格与能力标签均缺失，本站收录平台数为 0，实际部署成本与可获得性都无法判断，上述结论仅作定性参考。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。