【実測】7GBのローカルAIに、自分のコードと請求書を食わせてみた ― Gemma 4 E4B QAT

GoogleのGemma 4 E4B（QAT版）は、7GBのローカルAIモデルでありながら、競技数学、27Kトークンに及ぶコードの読解、請求書の計算ミス指摘といった複雑なタスクでも崩れない性能を示した。これは、比較対象のVibeThinker-3B（1.74GB）が長文タスクで崩れたのと対照的である。

• 7GBのローカルAIモデルGemma 4 E4B QAT版が、複雑なタスクを崩れずに実行した。
• 競技数学、27Kトークンのコード読解、請求書の計算ミス指摘など高度な能力を示した。
• 「思考モード」のトークン設定（max_tokens）調整で、構造化出力や長文タスクも安定した。
• 日本語の推敲は苦手だが、画像読解や検算能力、コード追跡能力に優れている。
• オフライン・無料・低メモリで利用可能だが、スループットはリアルタイム用途には低い。