当前位置: 首页 > news >正文

Chrome浏览器静默部署Gemini Nano模型:你的硬盘空间正被悄悄吞噬

最近不少用户打开电脑管家或者清理软件时,突然发现自己的C盘莫名其妙少了好几个G。翻遍下载文件夹、缓存目录,愣是找不到这些空间到底去了哪儿。真相说出来可能让人有点意外——Chrome浏览器在后台偷偷下载了一套名为Gemini Nano的AI模型权重文件,而且整个过程完全没弹窗、没提示、没征求你的同意。

这事儿其实从2025年初就开始了。谷歌一直在给Chrome稳定版、测试版甚至Canary版推送这套设备端AI能力。Gemini Nano这个模型本身不算大,单个权重文件大概4到5GB左右,但问题在于Chrome的每个版本分支都会各自下载一份。也就是说,如果你同时装了稳定版、Beta版和Canary版,硬盘上就会躺着三套几乎一模一样的模型文件,加起来轻松突破15GB。对于固态硬盘空间本就不宽裕的笔记本用户来说,这简直是个隐形炸弹。

那谷歌为啥要这么做?说白了,Gemini Nano跑在本地主要干两件事:一是帮你识别钓鱼网站和欺诈页面,二是给各种AI驱动的浏览器功能打底。想法其实不坏,本地运行意味着数据不用上传到云端,隐私上确实多了一层保护。可问题在于,谷歌把"默认开启"和"静默下载"这两个开关同时打开了,用户连说"不"的机会都没有。你删一次,它自动重新下载一次,跟打地鼠似的没完没了。

更离谱的是谷歌最近更新的官方文档。Windows Report注意到,Chrome帮助中心里关于设备端生成式AI的说明已经悄悄改了一版。新版本明确提出,想要启用本地AI功能,你的电脑得先满足几个硬指标:至少20GB的可用磁盘空间、不限流量的网络连接,以及"足够的设备性能"。这里谷歌玩了个文字游戏——什么叫"足够"?文档里没给具体参数,CPU型号、内存大小、显卡算力一概没提。但有个细节值得注意:虽然模型权重文件本身只有4到5GB,可Chrome只有在检测到剩余空间远超20GB时才会触发下载。换句话说,它给自己留了相当大的冗余余地,生怕你硬盘满了导致系统卡顿反过来怪它。

手动删文件这条路已经被谷歌堵死了。官方文档白纸黑字写着:别碰那些模型权重文件,删了也没用,Chrome会自己重新拉一份回来。那怎么办?唯一的出路是彻底关闭设备端AI功能。操作路径其实不复杂,打开Chrome设置,找到"系统"选项,再点进"设备端AI",把开关关掉就行。关掉的瞬间,Chrome会自动清理之前下载的所有模型文件,不需要你手动去文件夹里一个个翻。

想确认文件是不是真的被删干净了?可以自己去目录里瞄一眼。Windows用户看这里:C:\Users{你的用户名}\AppData\Local\Google\Chrome\User Data\OptGuideOnDeviceModel\,如果整个文件夹都没了或者里面空空如也,说明清理成功。Mac用户路径稍微绕一点,得去 /Users/{你的用户名}/Library/Application Support/Google/Chrome/OptGuideOnDeviceModel/ 或者Canary版本的对应目录下检查。我们团队实测过,关闭功能后谷歌确实会立即把本地模型文件全部清掉,不用等、不用重启浏览器。

说到底,这场风波的核心矛盾不是技术本身,而是选择权。本地AI模型有没有价值?当然有。但价值再大,也不该以牺牲用户知情权和存储空间为代价。谷歌这次的做法,本质上是在用默认开启的方式强行推广自家的AI生态,而用户只能在事后才发现自己的硬盘成了试验场。好在现在至少给了个关闭的口子,虽然来得晚了点,但总比一直蒙在鼓里强。

如果你最近也在为硬盘空间莫名其妙缩水而头疼,不妨按上面的路径去Chrome设置里看一眼。设备端AI这个功能,对大多数人来说目前还处于"食之无味"的阶段——网页翻译有在线版,钓鱼识别有安全中心,真正需要本地大模型跑在浏览器里的场景,普通用户一年也碰不上几回。把开关关掉,既能收回那几GB空间,也能避免Chrome以后继续不声不响地往你硬盘里塞东西。毕竟,硬盘空间是你自己的,怎么用,得你说了算。

http://www.cnnetsun.cn/news/3964914.html

相关文章:

  • Python爬虫实战:Requests与BeautifulSoup高效组合
  • 动态JS渲染破解:Python Selenium无头浏览器采集携程数据实战指南
  • 标探云脑官网实用手册:提升找标效率的进阶技巧与配置方案
  • 3个步骤掌握Mesen:打造完美NES模拟器体验的专业指南
  • 一小时部署SpringBoot+Vue在线考试系统:前后端分离实战指南
  • 更简单!更经济!更易用!MLX系列PROFINET交换机新品登场
  • C语言小项目练习----2048小游戏 Day13
  • 57 个大模型怎么选?2026 年中 AI 全景图
  • 《高速公路全覆盖光伏+动态无线充电项目可行性分析》
  • Spring Boot架构设计:从分层到领域驱动的可扩展实践
  • 2025终极网盘直链下载神器:一键获取九大网盘真实下载链接
  • 大语言模型跨领域链式推理性能骤降:从83%到43%的挑战与工程应对
  • Adobe-GenP 3.0破解工具终极指南:快速永久激活Adobe全家桶
  • PanelAI企业级AI运维系统核心技术与实战
  • 王虹、邓煜、张益唐、韦东奕四位数学家的‌核心成果时间线
  • 苹果考虑无屏 Apple Watch,AI 如何助力无屏手环热潮集中爆发?
  • 如何彻底解决Anki同步限制:完整指南助你突破集合大小上限
  • 基于RAG的本地化智能问答系统:从环境部署到效果验证的完整实践指南
  • 如何在Android设备上实现专业FT8通信:FT8CN安卓应用完整指南
  • Linux进程与线程通信机制详解与实践
  • AI工程化实战:从推理优化、长上下文到智能体协作的技术演进与落地思考
  • 体验小米顶尖大模型 MiMo V2.5:新用户注册即送 ¥10 API 体验金
  • 数字化时代职场软技能:趋势洞察与跨界协作
  • AI英语学习APP外包开发核心技术解析
  • C盘空间告急?安全清理Windows系统盘的实用技巧
  • 5步打造个性化虚拟伙伴:Mate Engine桌面伴侣深度体验指南
  • SAP Fiori权限体系全链路解析与实战指南
  • UML图实战指南:从核心图谱到电商建模全流程解析
  • Unity颜色选择器插件开发指南:从原理到集成实践
  • 48小时克隆SaaS实战:Next.js全栈开发短链接生成器