CycleUser- 昨天千问发布了最新的Qwen3-4b-Instruct-2507 和Qwen3-4b-Thinking-2507 模型，有如下两个亮点：
- Qwen3-4B-Instruct-2507 的通用能力超越了商业闭源的小尺寸模型 GPT-4.1-nano，与中等规模的 Qwen3-30B-A3B（non-thinking）性能接近。
- Qwen3-4B-Thinking-2507 的推理表现可媲美中等模型 Qwen3-30B-Thinking，在聚焦数学能力的 AIME25 测评中以4B参数获81.3分；且通用能力相关评测均超越了更大尺寸的Qwen3-30B-Thinking模型。
我所用设备为红米Note12T Pro （联发科天玑8200-Ultra + 12G RAM + 512G ROM），在手机上运行这两个模型，居然还能不错。
因此有本文简单介绍如何在Android设备上使用mnn chat本地部署和运行 Qwen3-4b-Instruct-2507 和Qwen3-4b-Thinking-2507 模型。
安装应用
最新版本请访问阿里巴巴的MNN项目下的Android应用页面获取安装包
也可以直接访问阿里巴巴官方CDN的下载链接 https://meta.alicdn.com/data/mnn/mnn_chat_0_6_8.apk下载安装包。
或者也可以尝试在应用市场中搜索，Play Store 里面是有的，其他的应用商店或许也有。
下载模型
打开 mnn chat，在顶部将下载源从huggingface切换成modelscope，然后，选择 Qwen3-4b-Instruct-2507 或者 Qwen3-4b-Thinking-2507 模型，就可以下载到本地了。
看尺寸应该是q4量化的？
测试性能
用了一个简单的问题“阶乘和圆周率有什么关系”测试了一下，所用设备为红米Note12T Pro （联发科天玑8200-Ultra + 12G RAM + 512G ROM）。
Qwen3-4b-Thinking-2507 模型能达到约 3 tokens/s。
Qwen3-4b-Instruct-2507 模型能达到约 5 tokens/s。
阿里巴巴的 MNN 框架速度确实不错，感觉比 llama.cpp 要快不少好像。 虽然 3-5 tokens/s 的速度绝对不算快，也足够日常的离线场景简单应急了。