Gemma 4 中文能力实测：到底好不好用？

想用 Gemma 4 处理中文任务，但不确定它行不行？这篇不吹不黑，拿实际测试结果说话。

我用多种中文任务测了 Gemma 4，还跟专门为中文优化的 Qwen 3 做了对比。结果可能跟你想的不太一样。

中文理解能力

Gemma 4 的中文理解能力在非中文特化模型里算是相当不错的：

普通话：正式和非正式文本都能理解
技术中文：编程、科学、商业术语没问题
文化引用：常见成语能理解，部分文言文也可以
中英混合：中英文切换很自然

测试 prompt：

请分析这段话的情感倾向，并解释原因：
"这家店的服务态度好得让人想哭，等了四十分钟才上菜，
服务员全程一句话没有，真的是'宾至如归'的体验。"

Gemma 4 准确识别了反讽——"好得让人想哭"和"宾至如归"这些积极词汇其实是在反讽表达差评。它抓住了表面客气话和实际吐槽之间的反差。对 AI 来说这不容易。

中文文本生成

生成这块就要分情况说了。Gemma 4 能生成语法正确、读起来通顺的中文，但有时候会：

用词偏书面或者有"翻译腔"，母语者不会这么说
默认输出简体中文（可以要求切繁体）
偶尔带一些"英文思维"的痕迹——比如解释太多或者结构太工整

擅长的场景：

技术文档和教程
客服回复
数据分析总结
邮件起草

不太行的场景：

需要地道中文味道的创意写作
需要文化共鸣的营销文案
轻松的社交媒体语气（有时会显得端着）

代码中文注释

对于想写中文注释的开发者来说，Gemma 4 做得不错：

# Prompt: 给这段代码加中文注释
def calculate_discount(price, membership_level):
    """根据会员等级计算折扣价格
    
    Args:
        price: 商品原价
        membership_level: 会员等级 ('bronze', 'silver', 'gold')
    
    Returns:
        折扣后的价格
    """
    # 定义各等级的折扣率
    discount_rates = {
        'bronze': 0.95,  # 铜牌会员：95折
        'silver': 0.90,  # 银牌会员：9折
        'gold': 0.80,    # 金牌会员：8折
    }
    
    # 获取对应折扣率，非会员不打折
    rate = discount_rates.get(membership_level, 1.0)
    
    # 计算并返回最终价格，保留两位小数
    return round(price * rate, 2)

注释用词自然，术语标准，没毛病。

翻译质量

英译中和中译英都测了：

英译中： 整体不错。技术内容翻得好。文学内容准确但味道会淡一些。对习语的处理算合理——翻意思而不是逐字翻。

中译英： 很好。这其实是 Gemma 4 的强项之一，因为英文训练数据多，对中文理解又够，所以能产出自然的英文。

翻不好的地方： 高度口语化的表达、网络用语（"绝绝子""yyds"之类）、以及地域性很强的文化梗。

Gemma 4 vs Qwen 3：中文对比

说句实话。纯中文任务，Qwen 3 确实有优势：

任务	Gemma 4	Qwen 3	谁赢
中文理解	好	很好	Qwen 3
中文生成	好	较好	Qwen 3
中文创意写作	还行	好	Qwen 3
技术中文	好	好	平手
翻译（中英互译）	好	较好	Qwen 3（微弱）
代码 + 中文注释	好	好	平手
多语言（中英混合）	很好	好	Gemma 4
推理（用中文）	很好	好	Gemma 4
多模态 + 中文	支持	有限	Gemma 4