本機 AI 睇圖要認真揀：Qwen 讀得細，Gemma 同 Ministral 輕身但易估
XDA 小測試只係樣本，但講中本機 vision model 嘅取捨
XDA 呢次試咗啲咩
XDA 作者 Nolen Jonker 拎 Gemma 4 E4B、Qwen3.5-9B 同 Ministral 3 3B，餵同一批圖：Docker error screenshot、LM Studio 模型清單、同一張低光藥水相。佢講到好清楚，prompt 同 parameter 都盡量一致，所以差別主要睇模型點讀圖。結果好直接：三個都可以處理圖片，但 Qwen3.5-9B 最似真係睇住張圖答；Gemma 4 E4B 喺清楚文字同簡單數數過關，Ministral 3 3B 喺 Docker error 做得好，但忙亂 UI 同細字就開始估。
圖片：Google DeepMind
Qwen 今次點解拋離
Qwen3.5-9B 呢類模型嘅優勢，唔止係 9B 大過 4B / 3B 咁簡單。官方 model card 嘅視覺重點，包括 OCR、文件理解、spatial grounding、GUI 操作同 visual agent；XDA 測到佢識讀 exact error、分到 LM Studio 入面三個 Gemma 檔名，仲提到 Windows 上 IIS 常見會佔用 port 80。呢啲細節對 coding/debug UI 好有用，因為你要嘅答案唔可以淨係「可能有錯」；最好係模型先讀完畫面，再指去邊度改。
Gemma 嘅定位其實唔差
Gemma 4 E4B 輸咗呢 round，唔代表佢冇價值。Google 官方資料講，Gemma 4 全線支援圖片輸入，E2B / E4B 走 edge 路線，Q4_0 載入 E4B 大約 4.5GB，mobile 版本大約 2.5GB；DeepMind 亦主打離線、低延遲、手機到 Jetson 呢啲場景。換句話講，如果你想喺 notebook 或小型機做 screenshot 摘要、讀簡單文件、離線查圖，Gemma 係輕身選擇。但遇到細字、表格列名、UI 清單，XDA 呢次結果提醒你要二次核對，唔好當佢係 OCR 工具。
Ministral 3 硬件友善，但唔好畀 3B 呃到
Ministral 3 3B Instruct 嘅賣點好清楚：Mistral 官方話 3B 版本有 3.4B language model 加 0.4B vision encoder，FP8 可以塞入 8GB VRAM，量化後再細啲，仲有 256K context window。問題係，vision 任務唔淨係睇模型開唔開到，重點係細節有冇亂作。XDA 見到佢喺藥水相認到大方向，但又作多一個成分；呢種錯最麻煩，因為答案聽落專業，實際就要你返去睇張圖確認。
本機 vision model 實際用喺邊
本機跑 vision model 最大吸引力係資料留喺自己部機。設計稿 screenshot、內部 dashboard、學生筆記、客戶文件截圖，未必想放上雲端 AI；離線用亦有好實在嘅好處，地鐵、飛機、公司 Wi-Fi 鎖得緊，都仲有模型可用。但私隱唔等於零風險：你部機要有足夠 RAM / VRAM，local server 權限要收好，聊天紀錄同圖片 cache 都要自己管。拎公司資料玩本機模型之前，先睇清楚公司政策同模型 license。
點揀
如果工作係睇 screenshot debug、讀 UI、整理文件截圖，Qwen3.5-9B 暫時最值得先試，代價係硬件要求高過 Gemma E4B 同 Ministral 3B。Gemma 4 E4B 適合想要輕身、離線、私隱優先嘅日常工具；Ministral 3 3B 就啱做嵌入式、低資源、要快開快答嘅流程，但涉及藥物、合約、帳目、客戶資料呢啲場景，三個都唔應該冇人覆核。今次 XDA 個樣本唔大，所以結論唔好睇成總排名；下一步要睇多啲公開 benchmark 同真實工作圖，尤其係細字 OCR、表格、繁中 screenshot 同 UI 操作。
參考來源
- XDA Developers — I tested Gemma 4, Qwen 3.5, and Ministral 3 for vision tasks, and only one understood the assignment — original report
- Gemma 4 model overview | Google AI for Developers — 核對 Gemma 4 型號、multimodal 支援同 E4B 載入 RAM / VRAM 數字。
- Gemma 4 model card | Google AI for Developers — 核對 Gemma 4 圖片理解、OCR、文件解析、screen / UI 理解等官方能力描述。
- Qwen/Qwen3.5-9B | Hugging Face — 核對 Qwen3.5-9B model card、vision-language benchmark 同 Apache 2.0 license。
- Introducing Mistral 3 | Mistral AI — 核對 Mistral 3 / Ministral 3 家族、3B / 8B / 14B、image understanding 同 Apache 2.0。
- mistralai/Ministral-3-3B-Instruct-2512 | Hugging Face — 核對 Ministral 3 3B Instruct 嘅 3.4B + 0.4B 架構、FP8 8GB VRAM、256K context 同 vision 建議。
本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。
