Google 发布 FunctionGemma：270M 端侧小模型专攻函数调用

想让手机里的 AI 帮你打开手电筒或者加个日程，以前通常得把你的话传到云端，让几十甚至上百亿参数的大模型算一圈，再把指令发回手机。如果网速慢或者断网，AI 立刻变成摆设。

Google 刚刚发布的 FunctionGemma 想把这条链路彻底掐在本地。它只有 2.7 亿参数，专为一件事而生：听懂你说的话，然后老老实实去调系统的 API。

2.7 亿参数的小模型，专门负责按开关

FunctionGemma 基于 Gemma 3 270M 打造。Google 提到，2025 年 Gemma 系列模型的下载量从 1 亿冲到了 3 亿以上，而在发布超小尺寸的 270M 模型后，开发者提得最多的需求就是原生函数调用。

这个模型做的事情很专一，就是把自然语言翻译成可执行的代码或 API 调用。它既能生成结构化的 JSON 来调工具，又能换回日常口吻把执行结果汇报给用户。

小并不意味着不能打。在官方的手机操作测试集 Mobile Actions 里，没有经过专门微调的基线准确率只有 58%，但只要用特定场景数据微调后，准确率直接飙升到了 85%。

它还继承了 Gemma 的 256k 大词表，切分 JSON 和多语言代码时更省 token，延迟也更低。甚至在老旧的 NVIDIA Jetson Nano 或者普通手机上，它都能跑得飞快。

开发者 @xenovacom 还做了一个纯前端 Demo，靠 Transformers.js 把 FunctionGemma 塞进浏览器，完全不联网就能用自然语言玩物理模拟解谜游戏。官方演示的 TinyGarden 小游戏里，玩家说一句把向日葵种在第一排并浇水，模型也能在手机本地拆解出对应的游戏函数。

生态方面它几乎支持了市面上所有主流工具。微调可以用 Hugging Face、Unsloth、Keras 或 NVIDIA NeMo，部署则支持 LiteRT-LM、Ollama、Llama.cpp、MLX 和 LM Studio。

为什么重要

我们认为，FunctionGemma 标志着端侧 AI 的思路正在发生实质性转变：模型不再追求在本地回答世界常识，而是退回到底层当一个极度灵敏的开关和路由器。

对于移动端和物联网开发者来说，这个模型非常值得现在就拿去练练手。你不需要让它背诵历史百科，只需要拿几十条你自家 App 的 API 样本对它微调，就能以极低的算力和电量消耗，换来一个完全离线、毫秒级响应的语音操作入口。

它的聪明之处在于分工定位。它既可以独自搞定备忘录、智能家居这类离线固定操作，也能给大系统当交通警察。手机收到一句话，FunctionGemma 在本地瞬间判断，能调本地 API 的立刻执行，搞不定的再转发给云端或者本地更大的 Gemma 3 27B。这比让大模型全程待命要省电得多，也安全得多。

不过隐患也很明显。270M 的体量注定了它几乎没有常识推理能力，完全依赖开发者的高质量微调数据。如果用户说的话稍微绕一点或者超出预设范围，小模型很容易产生误触发或格式漂移。但这依然给行业提了个醒：在端侧，把一个极小模型训成专业技工，远比硬塞一个缩水版全才好用得多。