小模型(<10B 的模型)都学着 qwen 去卷 agentic 了。但是编程的人，总会用更大的模型来达到高效率。 反而小模型应该深耕的语言方向，移动端对话方向，都荒废了。 测了近 10 个最新的小模型，只有 Gemma4 E4B 能做好我需求的特定模版下的翻译加分析句子任务。 一个个 benchmark 分数越来越高，却都忽略了最原本的语言能力。