小語言模型中文能力實測日誌：用一道地理題揭露真實實力

為什麼要測試小模型？

不是每個人都有 RTX 4090，也不是每個人都想一直付 API 費用。

小模型的好處很明顯：

• 完全免費，離線可用
• 數據不外傳，隱私安全
• 低階顯卡也能跑

但問題是：小模型的中文能力到底行不行？

網路上說法不一，我決定自己測一輪。

測試環境

沒錯，就是用這張入門級顯卡。如果這上面能跑得動，大部分筆電都可以。

測試方法

測試問題

台灣最高的山是什麼？它有多高？請簡短回答。

為什麼選這題？

1. 有標準答案：玉山，海拔 3,952 公尺
2. 測試中文理解：問題是繁體中文
3. 測試知識儲備：需要基本地理知識
4. 測試精確度：高度不能亂猜
5. 測試地區認知：會不會搞混台灣和中國大陸

測試結果

排名總覽

詳細觀察

冠軍：Qwen2.5 1.5B

回答：玉山，3952米

這是最讓我意外的結果。不到 1GB 的模型，打敗了一堆 2GB+ 的對手。

阿里巴巴的 Qwen 系列確實針對中文做了優化，效果很明顯。

ollama pull qwen2.5:1.5b

亞軍：Gemma2 2B

回答：玉山，3,952公尺

Google 出品，表現穩定。如果不想用中國大陸模型，這是最好的替代方案。

令人失望：Qwen3 系列

Qwen3 1.7B 回答：玉山，3,497m（誤差 455m）

這是我最意外的發現。Qwen3 是 2025 年的新模型，結果反而比 Qwen2.5 退步了。

新版本不一定更好，這個教訓很深刻。

嚴重翻車：DeepSeek-R1 1.5B

回答：珠穆朗瑪峰，8,858m

直接把「台灣」理解成「中國大陸」了？珠穆朗瑪峰在西藏/尼泊爾邊界，跟台灣完全沒關係。

幻覺問題：Phi3 Mini

回答：玉林山，390m

「玉林山」這座山根本不存在。這是典型的 AI 幻覺，小模型更容易出現這種問題。

五個重要發現

1. 體積不是關鍵

986MB 的 Qwen2.5 打敗了 2.5GB 的 Phi4-mini。參數量不等於能力。

2. 新版本可能退步

Qwen3 比 Qwen2.5 差，Gemma3 比 Gemma2 差。別盲目追新。

3. 500MB 是底線

低於 500MB 的模型（SmolLM2 135m、Qwen3 0.6B），中文能力嚴重不足。

4. 專注訓練很重要

Qwen 系列專為中文優化，整體表現最好。Llama 系列偏弱。

5. 幻覺問題依然存在

小模型更容易胡說八道，使用時要多驗證。

安裝方式

# 安裝 Ollama
winget install Ollama.Ollama  # Windows
brew install ollama           # macOS

# 下載推薦模型
ollama pull qwen2.5:1.5b      # 首選
ollama pull gemma2:2b         # 備選

# 測試
ollama run qwen2.5:1.5b "台灣最高的山是什麼？"

結論

推薦清單

避雷清單

最終建議

就用 Qwen2.5 1.5B。體積小、速度快、中文強，沒有更好的選擇了。

測試結果基於單一問題，僅供參考。實際表現可能因任務不同而有差異。