唯一就是小，因为才17G。所以应该相同聪明程度的大模型，它应该耗费的算力应该可以比较小吧。也就成本可以比较低。但是我个人感觉还是比不上deepseek v3的671b满血版的。 
原因，我设定了prompt，如果使用deepseek，看到能完全按照指令输出。但是Gemma3，就有一些差别，并不能完全按照指令执行。当然我的prompt使用的中文，不知使用英文是否就能解决这个问题（没有测试）。 
另外，我还搭建了RAG，通过nomic-embed-text的向量方式搭建的。发现准确性还是差距太大，返回的内容大部分都是不准确的。特别与年份相关的。比如让找2025年的信息，他只给你返回2020年，2022年的。真让人头痛。其他有大佬一起探讨，如何才能提升准确率。我使用了embeding和bm25两种方式。但是返回的内容，可能仅仅10%是可用的。