Google 把 AI 塞進印表機?查證:跑的是 Gemma 不是 Gemini,一分鐘才吐一個 token

印表機跑 AI 查證(文章封面)

AI 新知查證 / 資料更新至 2026 年 11 月 21 日

這幾天社群流傳一則消息:「Google 做了實驗,把 Gemini 塞進印表機。」聽起來像是印表機以後也能陪你聊天。查完原始貼文和各家報導,真相比傳言有趣,也慢得多:一台辦公室雷射印表機,大約一分鐘才吐出一個 token。

這篇回答四個問題:到底是誰做的、跑的是哪個模型、數字該怎麼看,以及這件事對我們有什麼意義。

30 秒看重點

Gemma

印表機裡跑的是開放模型 Gemma 3 270M,不是 Gemini。

約 61 秒

平均每產生一個 token 要約 61 秒,不是「每秒 61 個」。

14.1 MB

執行時的記憶體峰值;列印單顯示可用空間約 244.6 MB。

0 改裝

沒有改韌體、沒有外接運算板,只送出一份 PostScript 列印檔。

個人展示

Google DeepMind 的 Omar Sanseviero 在 X 上分享,不是官方產品或研究發表。

資料:Omar Sanseviero 的 X 貼文與 Wccftech、FourWeekMBA、IT之家報導,詳見文末資料來源。

01先說結論:方向對了,但三個細節都傳錯

2026 年 11 月 17 日,Google DeepMind 的 Omar Sanseviero 在 X 上貼出一張照片:一台理光(Ricoh)雷射印表機印出的單子,上面寫著模型在印表機裡跑完的結果。他的原話大意是:在 Carbon 的幫助下,他把 Gemma 直接跑在一台辦公室印表機裡,記憶體峰值 14 MB,速度是「飛快的」每個 token 60 秒。最後那句是自嘲。

傳言實際情況依據
Google 的實驗
誰做的
Google DeepMind 員工的個人展示,貼在自己的 X 帳號原始貼文;沒有 Google 官方公告
塞進的是 Gemini
哪個模型
跑在印表機裡的是開放模型 Gemma 3 270M原始貼文寫 Gemma 3 270m
每秒 60 個 token
速度
每個 token 約 60 秒,單位剛好相反原文寫 60s per token;列印單 184 秒
印表機只有 14MB
記憶體
14.1 MB 是峰值用量,不是印表機的總記憶體列印單顯示可用約 244.6 MB

整理:TempEDU,2026 年 11 月 21 日。

Gemma 和 Gemini 差在哪

兩者都是 Google 做的模型。Gemini 是放在雲端、要連網使用的大型商用模型;Gemma 是可以下載到自己電腦或手機跑的開放模型。這次的 Gemma 3 270M 只有 2.7 億個參數,是 Gemma 3 系列裡最小的一個,本來就是為手機這類小裝置設計的。

02怎麼做到的:一份列印檔,其實就是一支程式

關鍵在 PostScript。很多辦公室雷射印表機都內建 PostScript 直譯器,電腦送過去的列印檔不只是「一張圖」,而是一段描述「怎麼畫出這一頁」的程式碼。PostScript 本身是完整的程式語言,迴圈、判斷、計算都做得到,只是平常只拿來排版。

Omar 的做法是把整個 AI 推論過程「偽裝」成一份列印工作:

1

寫出推論引擎

用 PostScript 寫一個小型 Transformer 推論程式(原文說是 Carbon 編譯的)

2

壓縮模型

把 Gemma 3 270M 量化,降低每個數字佔用的空間

3

打包成一份列印檔

程式和模型權重合成一份 PostScript 檔,直接送到印表機

4

分層輪流載入

18 層 Transformer 不一次全部放進記憶體,而是輪流載入、用完就丟

5

印出答案

輸入「Read the fine」,印表機算完後在紙上印出「Read the fine print」

為什麼要分層載入

整個模型放不進印表機給 PostScript 用的記憶體,所以每次只載入正在計算的那一層,算完就換下一層。代價是要反覆搬資料,速度因此很慢;好處是記憶體峰值壓到 14.1 MB。

03數字怎麼看:一分鐘一個 token

照片裡的列印單記錄了這次執行的數據:

項目數字白話解釋
模型
參數量
Gemma 3 270M,約 2.7 億約 1.7 億在詞彙表,1 億在模型主體
總運算時間
列印單
約 184 秒主要花在讀入提示詞
每個 token
平均
約 61.3 秒本人寫「60s per token」
記憶體峰值
PostScript
14.1 MB(可用約 244.6 MB)只用了可用空間的約 5.8%
改裝
硬體
無沒改韌體,也沒外接運算板

資料:Omar Sanseviero 貼文照片中的列印單,經 Wccftech、FourWeekMBA 轉述;參數拆分來自 Google 官方部落格(2025 年 8 月)。

換算成日常感受:一句 20 個 token 的短回答,大約要等 20 分鐘;回一段 100 個 token 的話,要等超過一個半小時。現在一般雲端 AI 每秒能吐出數十個 token,兩者差了好幾個數量級。

看數據,先看單位

有些外媒把速度寫成「每秒 61.3 個 token」,其他語言的轉載也跟著照抄,聽起來像是印表機跑 AI 很快。其實列印單和原文寫的都是「每個 token 幾秒」。同一個數字,單位顛倒,意思就從「很快」變成「非常慢」。讀科技新聞看到驚人數字時,先確認單位。

04Carbon 是誰:原文沒說清楚

原文說「With Carbon’s help」「Carbon compiled…」,但沒解釋 Carbon 是什麼,報導因此出現兩種說法。IT之家寫成 Google 的 Gemini 4 Carbon 模型;Wccftech 等外媒則描述成一個「輕量 Transformer 推論引擎」。

從時間點看,Gemini 4 Carbon 是 Google 在 11 月 10 日才發表的新模型,Omar 本人也負責 Gemini 相關的開發者工作,所以「請 Gemini 4 Carbon 幫忙寫出並編譯這支 PostScript 程式」是比較說得通的解讀。如果這個解讀正確,傳言說「把 Gemini 塞進印表機」也不算全錯:Gemini 負責寫程式,Gemma 才是在印表機裡面跑的那一個。不過 Omar 原文沒有明說,目前只能當作推測。

想知道 Carbon 這類新模型擅長什麼,可以參考〈Gemini 新模型一次整理〉。

05為什麼值得關注:三個比「好玩」更實際的意義

小模型越來越能塞

2.7 億參數的模型,連一台印表機都跑得動。代表很多不連網的裝置,未來都可能內建一點 AI 能力,例如家電、收銀機、工廠設備。

AI 寫程式的極限測試

用一種幾乎沒人拿來寫運算程式的語言,寫出能跑 Transformer 的引擎。如果真是 AI 協助完成,也說明現在的 AI 能處理非常冷門的程式環境。

印表機也是一台電腦

列印檔能執行這麼複雜的運算,代表印表機本身就是一台會跑程式的電腦。企業在做資安盤點時,別漏掉辦公室裡的印表機。

06但,這不代表印表機要變成 AI 助理

慢到不能用

一分鐘一個 token,連一句話都要等十幾分鐘。這是把硬體推到極限的技術展示,不是可以上班用的功能。

不是產品

Google 沒有發表任何「印表機版 AI」產品,這只是個人在社群上的分享。

細節還沒公開

目前看不到程式碼,也不知道印表機型號和量化方式,其他人暫時沒辦法照做或驗證。

數字來自照片

所有數據都來自貼文照片裡的列印單,再經媒體轉述,各家寫法有出入,本文以列印單和原文為準。

07讀完可以做什麼

學生

下次看到「每秒幾個」「只用幾 MB」這類數字,先問自己單位是什麼、母體是什麼,再決定要不要轉傳。

老師

這則新聞很適合當媒體素養教材:同一張照片,不同媒體寫出相反的速度,讓學生自己找出哪裡出錯。

企業 IT

把印表機列進資產清單,確認韌體有更新,並限制哪些電腦可以直接送列印工作到網路印表機。

本文重點

  1. 傳言「Google 把 Gemini 塞進印表機」不精確:跑在印表機裡的是開放模型 Gemma 3 270M,而且是個人展示。
  2. 方法是把推論程式和量化模型打包成一份 PostScript 列印檔,靠印表機內建的直譯器執行,沒有改裝硬體。
  3. 速度是每個 token 約 61 秒,不是每秒 61 個;14.1 MB 是記憶體峰值,不是印表機總記憶體。
  4. 原文的 Carbon 很可能是 Gemini 4 Carbon 幫忙寫程式,但本人沒有明說。
  5. 它的意義在於小模型與邊緣 AI 的極限,以及提醒企業:印表機也是一台會跑程式的電腦。

想一想

你身邊還有哪些「看起來不是電腦」的設備,其實裡面也在跑程式?如果它們都能放進一點 AI,你最希望哪一個變聰明,又最擔心哪一個被拿去做壞事?

資料來源

  1. Omar Sanseviero,X(2026 年 11 月 17 日)。With Carbon's help, I ran Gemma directly in an office printer
  2. Wccftech(2026 年 11 月 19 日)。Google DeepMind Engineer Fires Up Gemma 3 On An Office Laser Printer
  3. FourWeekMBA(2026 年 11 月)。Gemma 3 270M Runs Inside an Office Printer at 61.3s a Token
  4. IT之家(2026 年 11 月 20 日)。約 14MB 內存運行 2.7 億參數模型:谷歌工程師把 AI 裝進打印機
  5. Google Developers Blog(2025 年 8 月 14 日)。Introducing Gemma 3 270M: The compact model for hyper-efficient AI

本文封面插圖為 AI 生成的示意圖。


Edit with Tr.Bug

Follow me on:LinkedIn | 探教育TempEDU