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:
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)
壓縮模型
把 Gemma 3 270M 量化,降低每個數字佔用的空間
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
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
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
- 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。
- 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。
- 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。
- 原文的 Carbon 很可能是 Gemini 4 Carbon 幫忙寫程式,但本人沒有明說。
- 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
- Omar Sanseviero,X(2026 年 11 月 17 日)。With Carbon's help, I ran Gemma directly in an office printer
- Wccftech(2026 年 11 月 19 日)。Google DeepMind Engineer Fires Up Gemma 3 On An Office Laser Printer
- FourWeekMBA(2026 年 11 月)。Gemma 3 270M Runs Inside an Office Printer at 61.3s a Token
- 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
- 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

