Gemma 3 1B
Google发布的Gemma 3系列中参数量最小的开放权重语言模型，拥有约10亿参数，可在8GB内存的普通消费级硬件上运行，无需GPU
时间轴 (近 90 天)
RedPen是一款面向自由职业者的离线合同审查工具，核心设计理念是模型从不判断什么条款有风险，65条开源规则负责识别危险条款，本地运行的Gemma 3 1B模型只负责将规则发现重新组织成可发送给客户的语言。
已验证同一份合同在Gemma 3 1B和Qwen 2.5 1.5B下产生完全相同的发现——相同规则、相同页面、相同证据，只有摘要和邮件措辞变化。
RedPen在8GB内存的Apple Silicon MacBook上运行，无需GPU、无需Docker。Gemma 3 1B以Q4量化后经llama.cpp调用，权重769MB，加载耗时2.3秒，常驻内存0.83GB；规则处理耗时12-28毫秒，完整审查（含模型层）耗时11-17秒；结果通过SSE流式渲染。
开发环境中配置了 Gemma 3 1B 作为可选本地模型。
开发者Cynthia Wahome构建了名为Step Out的本地AI户外休息规划器，使用Gemma 3 1B模型配合Ollama在本地电脑上生成户外活动计划，不需要云推理API。
Step Out后端负责时间计算（分配1分钟准备、1或3分钟返回、剩余时间给活动），模型不负责决定休息的时间分配。
据开发者测试，Gemma 3 1B在Apple M1笔记本上本地运行，冷启动请求耗时7.45秒，热请求耗时在5.45到7.54秒之间。
Dawn Chorus Pro 选择本地推理的三个原因：深山密林手机信号为零使云端 API 失效、学生和业余爱好者不愿付费 API、敏感野生动物坐标上传云端可能带来生态安全隐患。
Gemma 3 1B 是 Google 发布的开源轻量级语言模型，参数量约 10 亿，可在消费级硬件上本地运行，本项目通过 Ollama 或 llama-server 加载。
Dawn Chorus Pro 使用 Gemma 3 1B（gemma3:1b / GGUF）模型自动生成徒步日志，通过 Ollama 或 llama-server 在本地完全离线运行，不需要 API 密钥或云端调用。
还有 12 条时间轴事件
全部知识事实 (20)
RedPen是一款面向自由职业者的离线合同审查工具，核心设计理念是模型从不判断什么条款有风险，65条开源规则负责识别危险条款，本地运行的Gemma 3 1B模型只负责将规则发现重新组织成可发送给客户的语言。
50%待验证已验证同一份合同在Gemma 3 1B和Qwen 2.5 1.5B下产生完全相同的发现——相同规则、相同页面、相同证据，只有摘要和邮件措辞变化。
50%待验证RedPen在8GB内存的Apple Silicon MacBook上运行，无需GPU、无需Docker。Gemma 3 1B以Q4量化后经llama.cpp调用，权重769MB，加载耗时2.3秒，常驻内存0.83GB；规则处理耗时12-28毫秒，完整审查（含模型层）耗时11-17秒；结果通过SSE流式渲染。
50%待验证开发环境中配置了 Gemma 3 1B 作为可选本地模型。
50%待验证开发者Cynthia Wahome构建了名为Step Out的本地AI户外休息规划器，使用Gemma 3 1B模型配合Ollama在本地电脑上生成户外活动计划，不需要云推理API。
50%待验证Step Out后端负责时间计算（分配1分钟准备、1或3分钟返回、剩余时间给活动），模型不负责决定休息的时间分配。
50%待验证据开发者测试，Gemma 3 1B在Apple M1笔记本上本地运行，冷启动请求耗时7.45秒，热请求耗时在5.45到7.54秒之间。
50%待验证Dawn Chorus Pro 选择本地推理的三个原因：深山密林手机信号为零使云端 API 失效、学生和业余爱好者不愿付费 API、敏感野生动物坐标上传云端可能带来生态安全隐患。
50%待验证Gemma 3 1B 是 Google 发布的开源轻量级语言模型，参数量约 10 亿，可在消费级硬件上本地运行，本项目通过 Ollama 或 llama-server 加载。
50%待验证Dawn Chorus Pro 使用 Gemma 3 1B（gemma3:1b / GGUF）模型自动生成徒步日志，通过 Ollama 或 llama-server 在本地完全离线运行，不需要 API 密钥或云端调用。
50%待验证选择小模型（如 Gemma 3 1B）而非云端大模型，是在生成质量与离线可用性、零成本、隐私之间做出的工程取舍；1B 模型足以胜任较短日志文本，事实性由外部 Python 校验兜底。
50%待验证Gemma 3 4B 是 Google 发布的开源小型语言模型，参数量约 40 亿，可在普通消费级笔记本的 CPU 上运行
50%待验证Walk Tutor 的技术栈包括 faster-whisper（STT）、通过 Ollama 本地运行的 Gemma 3 1B（教练大脑）、pyttsx3（TTS），以及轻量级 Python 循环实现语音活动检测
50%待验证作者采用「代码做裁判、模型做表达」的分工：预先定义每道题的核心思路关键词，由代码逻辑检查用户答案是否命中关键词并给出判定，Gemma 只负责根据判定撰写反馈文案
50%待验证作者第一版让 Gemma 3 1B 直接判断用户答案对错，发现小模型「太好说话」——用户声称用反转链表解决括号匹配问题，模型仍称赞其为好思路
50%待验证若 GPU 不支持 16-bit shader，Go Outside 会自动切换到同款模型的 q4f32 构建；手机端有使用约 600MB 的 Gemma 3 1B（gemma3-1b-it-q4f16_1-MLC）的更轻选项
50%待验证FieldClass AI 使用的模型是开放权重的 Gemma 3 1B，通过 Ollama 运行在一台8GB、无GPU的本地机器上
50%待验证本地小模型在固定输入和温度参数下产出高度相似的输出，使开发者可系统性枚举其错误并针对性构筑确定性代码防线，这是本地部署相对闭源大模型的可观测性优势
50%待验证Gemma 3 1B 是 Google 于2025年发布的 Gemma 3 系列中参数量最小的开放权重模型，拥有约10亿参数
50%待验证FieldClass AI 存在局限：模型常把单词粘连（如degreesto）、会忽略学生备注，开发者未机器测试更大的 Gemma 版本，目前只是单一配置文件下的单一模型档案
50%