先講結論
- 十個裡只有
qwen3:4b-instruct把有標準答案的五題全部答對，也只有它知道台灣面積最大的縣市是花蓮縣。它下載 2.5 GB，沒有顯卡時每秒大約 6 個 token。 - 名字裡沒有 instruct 的
qwen3:4b會先「思考」，我在 API 裡要求關掉也沒用。問一句話，它 100 個 token 用完還沒講到答案。 - 翻譯用不用台灣的說法，每個模型不一樣。六個翻成「軟體」和「影片」，
llama3.2寫「視頻」，phi4-mini寫「軟件」，另外兩個沒答出來。
打開 Ollama 的模型庫，光第一頁就是一整排名字。點進其中一個，底下還有一串大小和版本，像是 4b、4b-instruct、e2b、latest。教學通常只寫一句「挑一個適合你電腦的」。
我也不知道哪個適合。所以用了一個很笨的方法：挑十個小模型，問它們同樣六個問題，把回答一筆一筆記下來。
題目我刻意出跟台灣有關的。英文的評測排行到處都有，但那些分數不會告訴你，它知不知道玉山，翻譯的時候會寫「影片」還是「視頻」。
先交代範圍。這是 2026 年 10 月 12 日在一台沒有顯卡的測試機上跑的，每一題只問一次。六題很少，量不出一個模型的全部能力，只能讓你看到它們之間的差別。有顯卡的電腦、更大的模型，我沒有測。
我會抓哪一個
記憶體 8 GB、沒有顯卡的電腦，我會先抓這一個：
ollama pull qwen3:4b-instruct十個裡面，只有它把有標準答案的五題全部答對，也只有它知道台灣面積最大的縣市是花蓮縣。下載 2.5 GB，跑起來大約多佔 3 GB 記憶體。
想要快一點，抓 gemma4:e2b。它錯了一題，但速度快了五成左右，代價是多吃將近 2 GB 記憶體。
記憶體只有 4 GB 的話，抓 qwen2.5:3b。它佔 2 GB 出頭，五題對了四題。
有四個我不會拿來處理中文：deepseek-r1:1.5b、llama3.2、gemma3:1b、phi4-mini。前兩個是模型庫裡下載次數很高的家族，各有八九千萬次，在我的題目上卻是分數最低的兩個。
還有一個要小心：qwen3:4b。它跟第一名只差名字後面那個 instruct，表現卻完全不同，原因後面有一節專門講。
我怎麼測的
機器是一台雲端測試機：4 核心的 Intel Xeon、8 GB 記憶體、沒有顯卡，系統是 Ubuntu 26.04，Ollama 是 0.40.3。Ollama 自己的紀錄顯示，它在這台機器上只用了兩條執行緒。
每個模型都是用 API 問，設定全部固定：溫度設成 0，回答最長 100 個 token，並且一律要求不要先思考。我沒有另外加提示詞，就是把問題直接丟給它。
六題是這樣：
- 台灣最高的山是哪一座？用一句話回答。
- 台灣使用的貨幣叫什麼？用一句話回答。
- 台灣面積最大的縣市是哪一個？用一句話回答。
- 把這句英文翻成繁體中文，只要給翻譯：Please download the software and watch the video.
- 小明有 12 顆蘋果，給了小華 5 顆，後來又買了 8 顆。他現在有幾顆？只回答數字。
- 用繁體中文寫一句話，邀請同事中午一起吃飯。
前三題考常識，答案是玉山、新台幣、花蓮縣。第四題看用詞，台灣說軟體和影片，對岸說軟件和視頻。第五題是 15。第六題沒有標準答案，我看的是它寫不寫得出一句通順的繁體中文。
十個模型是從 Qwen、Gemma、Llama、Phi、DeepSeek 這幾個家族裡挑小的版本，參數量都在 5B 以下。其中 qwen3:4b-instruct 是看到 qwen3:4b 的結果之後才加測的。
成績單
前五題有標準答案，我算它對幾題，滿分是 5。
| 模型 | 對幾題 | 每秒 token | 下載大小 | 佔用記憶體 |
|---|---|---|---|---|
qwen3:4b-instruct |
5 | 6.3 | 2.5 GB | 3.0 GB |
qwen3.5:4b |
4 | 6.0 | 3.3 GB | 3.3 GB |
gemma3:4b |
4 | 7.4 | 3.4 GB | 3.5 GB |
gemma4:e2b |
4 | 9.7 | 4.6 GB | 4.8 GB |
qwen2.5:3b |
4 | 9.5 | 1.9 GB | 2.0 GB |
phi4-mini |
2 | 6.6 | 2.5 GB | 2.8 GB |
gemma3:1b |
2 | 18.7 | 806 MB | 0.8 GB |
llama3.2 |
1 | 8.7 | 2.0 GB | 2.4 GB |
deepseek-r1:1.5b |
0 | 16.7 | 1.1 GB | 1.2 GB |
qwen3:4b |
沒講到答案 | 6.0 | 2.5 GB | 2.9 GB |
「每秒 token」是它產生回答的速度，數字越大越快。「佔用記憶體」是模型載入之後，整台機器多用掉的量。
每一題發生了什麼事
qwen3:4b 幾乎每一題都沒講到答案，原因在下一節，這裡先不提它。
最高的山這一題，六個答玉山。qwen3:4b-instruct 和 qwen3.5:4b 還補了海拔 3,952 公尺，數字是對的。
答錯的三個，錯的方式都不一樣。gemma3:1b 說是「太攀山」。llama3.2 回了一句像繞口令的話：「高山不高，高山不低，高山是高山，高山是高山」。deepseek-r1:1.5b 回的是簡體：「台湾地区没有一座山，但台湾地区有许多山，如台北山、花莲山等。」
貨幣這題最簡單，八個答新台幣。
面積最大的縣市是最難的一題，只有 qwen3:4b-instruct 答出花蓮縣。其他的答案有新北市（四個模型這樣答）、新竹（兩個）、嘉義縣。
這一題給我的提醒是，小模型答錯的時候，語氣跟答對的時候一模一樣。gemma4:e2b 還特地把「新北市」三個字加粗。
翻譯題，六個模型翻成「請下載軟體並觀看影片。」，一個字都不差。llama3.2 翻成「請下載軟體並觀看視頻。」，phi4-mini 翻成「請下載軟件並觀看影片。」。字都是繁體，詞卻各有一個是對岸的說法。這種錯最難發現，因為整句看起來完全正常。
算術題，四個直接答 15。qwen3:4b-instruct 也答對，只是多寫了一行算式，沒有照「只回答數字」做。答錯的三個分別答 9、7、19，deepseek-r1:1.5b 則是算到一半就被長度上限截斷。
最後一題寫邀約。讀起來最自然的是 qwen3:4b-instruct 的「中午有空一起吃飯嗎？我請客！」和 gemma3:4b 的「中午想跟各位一起吃飯，有空嗎？」。llama3.2 寫的是「今天中午，讓我們一起去吃飯，來享受一下午的美食和友好的社交!」，字是繁體，讀起來像翻譯。gemma3:1b 和 gemma4:e2b 沒有照「一句話」的要求，各自列了一串正式版、輕鬆版的選項，寫到長度上限被截斷。
會思考的模型，要多留意
這次有五個模型標示支援「思考」，意思是回答之前會先寫一段推理。我每一次都在 API 裡明確要求不要思考。三個照做了，兩個出了狀況。
qwen3:4b 完全沒有理會。它把思考直接寫在回答裡，開頭是「嗯，用户问的是」，前五題的思考還是簡體中文。100 個 token 用完它還在想，八次裡有七次沒講到答案，每次要等 17 到 25 秒。
Ollama 的官方文件其實有寫，關掉思考這個設定，要模型允許才有用。
我的解法是換成名字裡有 instruct 的版本。同樣大小、同樣的題目，qwen3:4b-instruct 每題兩到四秒就直接回答，還拿了第一名。
Qwen 其他幾個大小，還有在指令列怎麼關思考，我後來補測了一輪，寫在Qwen3 和 Qwen3.5 怎麼選。
deepseek-r1:1.5b 是另一種狀況。有幾題它照樣先思考，100 個 token 花光，回答是空的。六題裡有三題，我拿到的是一片空白。
那乾脆讓它想，會不會比較準？我拿最難的縣市那一題試了三個模型。這次把思考打開，長度上限放寬到 500 個 token。
| 模型 | 想了多久 | 最後的答案 |
|---|---|---|
qwen3.5:4b |
93 秒，500 個 token 用完 | 還沒回答 |
qwen3:4b |
77 秒 | 屏東縣 |
gemma4:e2b |
27 秒 | 臺中市 |
三個都沒答對。同一題，不思考的 qwen3:4b-instruct 花 2.7 秒就答出花蓮縣。
這只是一題，不能說思考在別的題目上也沒用。但在沒有顯卡的機器上，多等的那一分鐘是確定的，答案有沒有變好卻不一定。我自己會先把它關掉。
加一句「請用台灣用語」有沒有用
常見的建議是在系統提示詞裡加一句話，要模型用繁體中文。我試了：加上「請一律使用繁體中文和台灣的用語回答。」，把第一題和翻譯題各重問一次。
llama3.2 還是翻成「視頻」，phi4-mini 還是翻成「軟件」。原本答錯最高山的，加了之後一樣答錯。deepseek-r1:1.5b 這次的答案變成「台湾地区最高的山是珠穆朗玛峰。」
有變化的是 gemma3:4b。它的回答從「台灣最高的山是玉山。」變成「玉山就是台灣最高的山啦！」。語氣變了，內容沒變。
我只試了這一句、兩題。就這個結果來看，用詞靠提示詞不太改得動，換模型比較快。
換模型的另一個方向，是台灣自己訓練的模型。國研院的 TAIDE 就是專門補台灣用語和在地知識的，最新版是 12B，比這裡測的都大，一般筆電跑不太動。它有哪些版本、授權能不能商用、去哪裡下載，整理在 TAIDE 是什麼。
速度和記憶體
最小的 gemma3:1b 每秒大約 19 個 token，3B 到 4B 的落在 6 到 10 個之間。換成實際的感受，一句二三十個字的回答，4B 的模型大約要等兩到五秒。
每個模型的第一題會比較久，因為要先把模型載進記憶體。我量到的載入時間從 2 秒到 11 秒，大致上模型越大越久。
記憶體可以這樣估：下載大小再加一到三成。2.5 GB 的模型，跑起來大約佔 3 GB。
gemma4:e2b 要特別注意。ollama ps 顯示它只佔 970 MB，但我看整台機器的記憶體，載入之後多用了將近 5 GB。8 GB 的機器跑得動。4 GB 的機器我沒有試，照這個數字是放不下的。
它也是這次速度上的意外。檔案最大，卻比另外幾個 4B 的模型都快，每秒將近 10 個 token。Gemma 4 其他幾個大小要多少記憶體，我另外試了一輪，寫在Gemma 4 硬體需求。
還要看它會做什麼
除了聰不聰明，每個模型能做的事也不一樣。ollama show 加上模型名字，會列出它的能力。
支援工具呼叫的有八個，gemma3:1b 和 gemma3:4b 沒有。想把模型接到 OpenClaw 這類會動手做事的工具，這一點很重要，OpenClaw 的官方文件就要求模型支援工具呼叫。我接的過程寫在OpenClaw 接 Ollama。
標示支援圖片輸入的有三個：qwen3.5:4b、gemma3:4b、gemma4:e2b。gemma4:e2b 還多了聲音輸入。這些我只看了標示，沒有實際丟圖片給它。
自己測一次
你的用途跟我不一樣，最準的還是自己問。我用的呼叫長這樣，把模型名字和問題換掉就可以：
curl http://localhost:11434/api/chat -d '{
"model": "qwen3:4b-instruct",
"stream": false,
"think": false,
"options": {"temperature": 0, "seed": 42, "num_predict": 100},
"messages": [{"role": "user", "content": "台灣面積最大的縣市是哪一個？用一句話回答。"}]
}'不想打這麼長，也可以用 ollama run 後面接模型名字和問題，寫法在Ollama 教學。差別是它不會把溫度固定住。同一個 qwen2.5:3b、同一題最高的山，我之前用那種方式問，它回的是簡體的「台湾」；這次固定溫度，回的是繁體的「台灣」。
題目建議出你自己知道答案的。它講錯的時候不會告訴你。
這個測試的限制
六題、每題問一次，樣本很小。換一組題目，名次可能會變。
全部是在沒有顯卡的機器上跑的，速度的數字只適用這種環境。有顯卡或是 Apple 晶片的 Mac 會快很多，也能跑更大的模型，但我沒有那樣的機器，沒辦法給你實測的建議。
我沒有測長文、長對話、寫程式、工具呼叫和看圖。
模型也會更新。同一個名字，過幾個月抓到的可能是不同的版本。
還不確定 Ollama 是什麼的話，先看Ollama 是什麼。
常見問題
Ollama 哪個模型的繁體中文比較好？
我測的十個小模型裡，qwen3:4b-instruct、qwen3.5:4b、gemma3:4b、gemma4:e2b、qwen2.5:3b 這五個回的都是繁體，翻譯也用台灣的說法。llama3.2 會寫出「視頻」，phi4-mini 會寫出「軟件」。更大的模型我沒有測。
沒有顯卡可以跑哪些模型？
這次測的十個都跑得動。我的測試機是 4 核心、8 GB 記憶體，1B 的模型每秒大約 19 個 token，3B 到 4B 的大約 6 到 10 個，短的問答幾秒內會回。
模型名字後面的 4b、instruct、e2b 是什麼意思？
4b 是參數量，大約四十億個，數字越大越吃資源。instruct 在我測的 Qwen3 上，是不先思考、直接回答的版本。e2b 是 Gemma 4 的小型版本，官方說明 E 代表 effective，是做給筆電和手機這類裝置用的。
DeepSeek 的模型可以用嗎？
我只測了最小的 deepseek-r1:1.5b，結果很差。有標準答案的五題一題都沒對，六題裡有三題的回答是空的。比較大的版本我沒有測，不能替它們下結論。
這篇怎麼查證的
文中的指令在 2026/10/12 實際執行過（Ollama 0.40.3，雲端測試機（Ubuntu 26.04，4 核心 Intel Xeon、8 GB 記憶體、沒有顯卡）。十個模型的回答、速度、記憶體都是在這台機器上實際跑出來的，每題只問一次。有顯卡或 Apple 晶片的電腦、更大的模型、看圖和工具呼叫沒有測）。價格與方案以官方頁面為準，工具改版後內容可能過期。