Gemma 4 E2B 在工业边缘 AI 模型测试中领先于更快的竞争对手

最近在 Jetson 设备上对五个小型多模态模型进行的工业边缘 AI 运行时测试发现，尽管 Gemma 4 E2B 不是最快的，但它仍然是基准模型。SmolVLM2 是最快的，但其输出过于泛泛。Qwen2.5-VL 表现强劲，尤其是在 OCR 和视觉检查任务中，使其成为一个有力的竞争者。InternVL3 在较高设置下存在上下文错误和延迟问题，而 Qwen2.5-Omni 更适合未来的音频/视频工作流。选择标准强调本地部署、结构化输出以及在提供审计跟踪和确认门的系统中的集成，Gemma 4 E2B 因其整体适用性而受到青睐。 AI

影响 边缘 AI 模型选择优先考虑系统集成和可审计性，而非原始速度，指导实际部署策略。

排序理由 文章详细介绍了针对特定边缘 AI 应用对现有多模态模型的评估，而非新模型发布或重大的行业范围内的发展。

在 dev.to — LLM tag 阅读 →

• Gemma 4 E2B
• InternVL3-2B
• Jetson
• OpenAI
• Qwen2.5-Omni-3B
• Qwen2.5-VL-3B
• SmolVLM2-2.2B
• WearEdge Pro

• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →