文章总结： 文档评估了Gemma4模型在编程任务中的实际表现，通过Ollama部署测试前端设计技能，显示其生成网页延迟监控应用的效果不佳。作者对比了GLM-5、Qwen3.6等模型，指出本地部署模型普遍不如线上服务，建议优先选择线上版本而非硬件投入。 综合评分： 42 文章分类： AI安全,安全工具,其他

gemma4 编程效果如何

原创

hyang0 hyang0

生有可恋

2026年4月22日 07:03 湖北

在小说阅读器读本章

去阅读

为保障质量，gemma4 选用的是16位精度的 gemma4:31b-it-bf16 模型。模型大小63G，参数量31B。

使用 ollama 跑模型，模型显存占用为 93 GB

测试前提前安装上 frontend-design skill 用于网页类的应用。

提示词：

使用 Frontend-design skill 设计一个web页面显示ping 8.8.8.8 的延迟，使用 sqlite 存储数据，显示延迟的波形图。语言选用 python，使用 venv 管理项目环境。在设置页面，可以更换 IP。

最终效果如下：

一言难尽，这效果也是没谁了。

上面的提示词我在多家的模型上都试过，做出来的效果大差不差，都差不多。比如 ClaudeCode + GLM-5 效果如下：

使用QClaw加模型大模型的效果：

将 gemma4 接到 hermes 中也试过了，感觉不太聪明的样子。

最近新模型出的比较多，gemma4 比较拉，比较看好GLM-5.1，排名如下：

在 ollama 模型列表中，GLM-5.1 只能使用线上版本，没有离线模型可下载。可以离线下载的是 qwen3.6:35b（24GB），同样 kimi-k2.6 也只有线上版本。

从排名上看 kimi-k2.6 编程排名也比较靠前。

当前来看编程模型使用线上版本比较靠谱，无论是 glm-4.7-flash、gemma4 都无法达到 agent 调用的要求。对接 AI agent 后各方面能力都要差很多，模型切换后表现特别明显。

本地部署的模型效果往往不如买token，买了硬件再试错就和买了鞋子才发现鞋子不合脚一样愚蠢，更愚蠢的是还各个尺寸的鞋子都买了一只。

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：生有可恋 hyang0 hyang0《gemma4 编程效果如何》