八年前Meta就有萬億參數模型了，但今天一個310億參數的模型正在改變非洲最大國家的備考方式。

AnsaMe團隊用谷歌Gemma 4打造了一款專門針對尼日利亞國家考試的智能評估平臺，服務對象是準備JAMB、WAEC、NECO三大核心考試的中學生。這個選擇背后有個被忽視的現實：當地學生長期依賴靜態PDF真題、缺乏解析、毫無個性化可言。

平臺的使用流程設計得很直接。學生先選考試類型和班級方向——文科、理科、商科、技術、通用或選修類，再從關聯科目中選擇，核心通用科目跨方向可用。接下來有兩種路徑：讓Gemma 4推薦相關主題，或手動輸入自定義主題。系統隨即生成考試風格的選擇題，針對WAEC和NECO標準考試，還會附加4道理論題。

答題方式支持三種形態：純打字、上傳手寫照片、或兩者結合。提交后立刻顯示對錯，AI提供解析、理論題反饋、主題深度講解，幫助學生定位薄弱環節。所有練習歷史可保存復用。

技術層面，Gemma 4的310億參數密集模型被部署在六個核心場景：考試科目的主題推薦、結構化20題練習生成、WAEC/NECO理論題生成、理論答案批改（支持文字與圖像）、錯題簡明解釋、以及主題深度總結——涵蓋核心概念、常見錯誤和復習建議。

這個項目由兩人團隊完成，設計者代號designedbybanke。代碼已開源，演示版和GitHub倉庫均可訪問。

一個值得注意的信號是：當全球AI競賽聚焦萬億參數和通用智能時，Gemma 4的中等規模架構正在被用于解決具體地域的具體教育缺口。尼日利亞有2億多人口，中學考試體系龐大但數字化程度低，這種"小模型+精準場景"的路徑可能比全能助手更先產生實際價值。

AnsaMe的架構選擇也反映了邊緣部署的現實考量。310億參數雖不算小，但相比前沿大模型已顯著降低推理成本，這對基礎設施有限的市場至關重要。圖像識別批改手寫答案的功能，則直接回應了當地學生習慣紙筆練習、設備性能參差不齊的現狀。

從PDF真題到AI個性化輔導，這個躍遷跳過了發達國家經歷的多個中間形態。對于關注AI落地的人而言，AnsaMe提供了一個觀察樣本：技術價值不在于參數規模，而在于是否切中了被主流產品遺忘的用戶痛點。