八年前Meta就有万亿参数模型了，但今天一个310亿参数的模型正在改变非洲最大国家的备考方式。

AnsaMe团队用谷歌Gemma 4打造了一款专门针对尼日利亚国家考试的智能评估平台，服务对象是准备JAMB、WAEC、NECO三大核心考试的中学生。这个选择背后有个被忽视的现实：当地学生长期依赖静态PDF真题、缺乏解析、毫无个性化可言。

打开网易新闻 查看精彩图片

平台的使用流程设计得很直接。学生先选考试类型和班级方向——文科、理科、商科、技术、通用或选修类，再从关联科目中选择，核心通用科目跨方向可用。接下来有两种路径：让Gemma 4推荐相关主题，或手动输入自定义主题。系统随即生成考试风格的选择题，针对WAEC和NECO标准考试，还会附加4道理论题。

答题方式支持三种形态：纯打字、上传手写照片、或两者结合。提交后立刻显示对错，AI提供解析、理论题反馈、主题深度讲解，帮助学生定位薄弱环节。所有练习历史可保存复用。

技术层面，Gemma 4的310亿参数密集模型被部署在六个核心场景：考试科目的主题推荐、结构化20题练习生成、WAEC/NECO理论题生成、理论答案批改（支持文字与图像）、错题简明解释、以及主题深度总结——涵盖核心概念、常见错误和复习建议。

这个项目由两人团队完成，设计者代号designedbybanke。代码已开源，演示版和GitHub仓库均可访问。

一个值得注意的信号是：当全球AI竞赛聚焦万亿参数和通用智能时，Gemma 4的中等规模架构正在被用于解决具体地域的具体教育缺口。尼日利亚有2亿多人口，中学考试体系庞大但数字化程度低，这种"小模型+精准场景"的路径可能比全能助手更先产生实际价值。

AnsaMe的架构选择也反映了边缘部署的现实考量。310亿参数虽不算小，但相比前沿大模型已显著降低推理成本，这对基础设施有限的市场至关重要。图像识别批改手写答案的功能，则直接回应了当地学生习惯纸笔练习、设备性能参差不齐的现状。

从PDF真题到AI个性化辅导，这个跃迁跳过了发达国家经历的多个中间形态。对于关注AI落地的人而言，AnsaMe提供了一个观察样本：技术价值不在于参数规模，而在于是否切中了被主流产品遗忘的用户痛点。