根据提供的code differences信息，由于没有具体的代码变更内容，我将生成一个通用的commit message模板：

``` docs(readme): 更新文档说明 - 添加项目使用指南 - 完善API接口说明 - 修正错误的配置示例 ```
2026-07-13 18:47:11 +08:00
parent 558682c8f8
commit 32180d7c0e
18 changed files with 247 additions and 118 deletions
--- a/康康/AI/AIRuntime.swift
+++ b/康康/AI/AIRuntime.swift
@@ -39,7 +39,7 @@ actor AIRuntime {
    private(set) var lastGenerateStats: GenerateStats?

    /// 当前实际生效的后端标签(性能自检 / PPT 截图用)。
-    /// 端侧统一走 MLX/GPU(Gemma-3n E2B);MNN/SME2 LLM 路径已移除。
+    /// 端侧统一走 MLX/GPU(Gemma 4 E2B);MNN/SME2 LLM 路径已移除。
    var activeBackendLabel: String {
        #if targetEnvironment(simulator)
        return "MLX · CPU(模拟器)"
@@ -53,7 +53,7 @@ actor AIRuntime {

    // MARK: - Gemini 云端后端(hybrid:端侧 Gemma 默认,云端按需增强)
    // 云端调用不占本机显存,不进 OOM 闸门,可与端侧推理并发。用于「云端深度解读 / 多语言」
-    // 与「拍报告/药盒多模态读图」——后者恢复端侧 Gemma-3n(MLX 文本版)丢掉的真·视觉能力。
+    // 与「拍报告/药盒多模态读图」——后者恢复端侧 Gemma 4(MLX 文本版)丢掉的真·视觉能力。
    private let gemini = GeminiBackend()
    /// 云端是否可用(用户已开启 + 有 key)。UI 与调用方据此决定走云还是端侧。
    nonisolated var cloudAvailable: Bool { CloudAI.isConfigured }
@@ -132,7 +132,7 @@ actor AIRuntime {
        #endif
    }

-    /// 加载文本模型(端侧 MLX/GPU,Gemma-3n E2B)。首次调用会真正加载,后续幂等。
+    /// 加载文本模型(端侧 MLX/GPU,Gemma 4 E2B)。首次调用会真正加载,后续幂等。
    func prepare() async throws {
        // 已有其他调用方在加载时,轮询等其结束再判定结果。
        // 不能像旧实现那样裸 return:那会让调用方误以为已 ready,随后 generate 的
--- a/康康/AI/GeminiBackend.swift
+++ b/康康/AI/GeminiBackend.swift
@@ -63,7 +63,7 @@ enum GeminiError: Error, LocalizedError {
 /// Google Gemini 云端后端。经 REST(URLSession)调用 Generative Language API:
 /// - `generate`：`streamGenerateContent`(SSE 流式),用于「云端深度解读 / 多语言」。
 /// - `analyze`：`generateContent`(多模态),把报告/药盒图片直传 Gemini 读出结构化结果——
-///   恢复端侧 Gemma-3n(MLX 文本版)丢掉的真·视觉能力(§拍照→结构化)。
+///   恢复端侧 Gemma 4(MLX 文本版)丢掉的真·视觉能力(§拍照→结构化)。
 ///
 /// 云端调用不占本机显存,**不进 AIRuntime 的 OOM 闸门**,可与端侧推理并发。
 actor GeminiBackend {
--- a/康康/AI/LLMSession.swift
+++ b/康康/AI/LLMSession.swift
@@ -2,9 +2,14 @@ import Foundation
 import MLX
 import MLXLLM
 import MLXLMCommon
+// mlx-swift-lm 3.x 把 HF Hub/分词器栈拆成 opt-in 宏(MLXHuggingFace),
+// `#hubDownloader()` / `#huggingFaceTokenizerLoader()` 展开处需要 HuggingFace / Tokenizers 在作用域。
+import MLXHuggingFace
+import HuggingFace
+import Tokenizers

 /// 封装 MLX 语言模型的流式生成,actor 保证单线程访问。
-/// 基于 mlx-swift-examples 2.29.1(commit 9bff95ca)的 API。
+/// 基于 mlx-swift-lm 3.31.4 的 API(MLXLLM / MLXLMCommon)。
 actor LLMSession {
    let container: ModelContainer

@@ -31,15 +36,20 @@ actor LLMSession {
    }

    /// 从本地目录加载模型(包含 config.json + weights + tokenizer)。
-    /// Gemma-3n 的聊天回合以 `<end_of_turn>`(token 106)结束,而分词器自带的 eos 是 `<eos>`(1);
-    /// 不显式补 `<end_of_turn>` 会让解码停不下来、把 maxTokens 跑满还吐回合分隔噪声。
+    /// Gemma 4 改了回合标记:聊天回合以 `<turn|>`(token 106)结束(3n 时代是 `<end_of_turn>`),
+    /// 而分词器自带的 eos 仍是 `<eos>`(1);不显式补 `<turn|>` 会让解码停不下来、把 maxTokens
+    /// 跑满还吐回合分隔噪声。与上游 mlx-swift-lm 预置 `gemma4_e2b_it_4bit` 的 extraEOSTokens 一致。
    static func load(folderURL: URL) async throws -> LLMSession {
        let configuration = ModelConfiguration(
            directory: folderURL,
-            extraEOSTokens: ["<end_of_turn>"]
+            extraEOSTokens: ["<turn|>"]
        )
+        // 3.31.4:loadContainer 需显式传入 Downloader + TokenizerLoader。本地目录配置(.directory)
+        // 不会真正下载(resolve 直接用目录),Downloader 仅占位;分词器由 HF AutoTokenizer 从目录加载。
        let container = try await withDeviceOverride {
            try await LLMModelFactory.shared.loadContainer(
+                from: #hubDownloader(),
+                using: #huggingFaceTokenizerLoader(),
                configuration: configuration
            )
        }
--- a/康康/AI/ModelManifest.swift
+++ b/康康/AI/ModelManifest.swift
@@ -20,32 +20,41 @@ nonisolated enum ModelManifest {
    /// 注意组织名:MNN 模型在魔搭组织为 `MNN`(非 HuggingFace 的 taobao-mnn);MLX 沿用 mlx-community。
    static func modelScopeRepo(for kind: ModelKind) -> String? {
        switch kind {
-        case .llm:    return "mlx-community/gemma-3n-E2B-it-lm-4bit"  // 主模型,大陆可达
-        case .mnnLLM: return "MNN/Qwen3.5-2B-MNN"                    // 已停用,保留源备查
+        case .llm:    return "mlx-community/gemma-4-e2b-it-4bit"   // 主模型,大陆可达
+        case .mnnLLM: return "MNN/Qwen3.5-2B-MNN"                 // 已停用,保留源备查
        case .vl:     return nil   // 已废弃,不再下载 / 分发,不提供魔搭源
        }
    }

+    /// hf-mirror(hf-mirror.com)回退源仓库 id。仅 mlx-community 系与 HF 同 org/name 可直接镜像;
+    /// MNN 源在 HuggingFace 组织名不同(taobao-mnn),且已停用,不配回退。revision 用 HF 的 `main`。
+    static func huggingFaceMirrorRepo(for kind: ModelKind) -> String? {
+        switch kind {
+        case .llm:            return kind.huggingFaceRepo   // mlx-community/gemma-4-e2b-it-4bit
+        case .vl, .mnnLLM:    return nil
+        }
+    }
+
    static func files(for kind: ModelKind) -> [ModelFile] {
        switch kind {
        case .llm:
-            // Gemma-3n-E2B-it-lm-4bit:Gemma-3n 的「语言模型抽取版」(text-only),走 LLMModelFactory
-            // 的 gemma3n 文本路径加载(mlx-swift-lm 已注册 "gemma3n")。MLX 仅支持其文本能力,无视觉。
-            // 字节数取自 ModelScope mlx-community/gemma-3n-E2B-it-lm-4bit 仓库实际 blob 大小
-            //(repo/files API,2026-06 核对)。排除 README.md / .gitattributes / configuration.json
-            //(后者为 ModelScope 元数据,MLX 加载用不到)。model.safetensors 为单文件,
-            // MLX loadWeights 直接 glob 全部 *.safetensors,index.json 仅留作完整性占位,不影响加载。
-            // tokenizer.model(SentencePiece)与 chat_template.jinja 一并镜像,确保聊天模板/分词稳定。
+            // gemma-4-e2b-it-4bit:Gemma 4 E2B(instruct,4bit)。config.json 顶层 model_type = "gemma4",
+            // 经 LLMModelFactory 的 "gemma4" 路径加载(mlx-swift-lm ≥3.31.4 已注册;Gemma4Model 只取
+            // language_model 权重,跳过视觉/音频)。e2b 检查点无视觉权重(视觉在 gemma4_unified 12B)。
+            // 字节数取自 ModelScope mlx-community/gemma-4-e2b-it-4bit 仓库实际 blob 大小
+            //(repo/files API,2026-07 核对)。排除 README.md / .gitattributes / configuration.json
+            //(后者为 ModelScope 元数据,MLX 加载用不到)。Gemma 4 布局与 3n 不同:无 tokenizer.model /
+            // special_tokens_map.json,tokenizer_config.json 精简(chat template 独立在 chat_template.jinja),
+            // 新增 processor_config.json。全部运行文件按上游 mlx-swift-lm 预置仓库快照镜像,避免漏文件。
            return [
-                ModelFile(path: "config.json", bytes: 107_207),
-                ModelFile(path: "generation_config.json", bytes: 215),
-                ModelFile(path: "model.safetensors", bytes: 2_507_515_399),
-                ModelFile(path: "model.safetensors.index.json", bytes: 129_688),
-                ModelFile(path: "special_tokens_map.json", bytes: 769),
-                ModelFile(path: "tokenizer.json", bytes: 33_442_553),
-                ModelFile(path: "tokenizer.model", bytes: 4_696_020),
-                ModelFile(path: "tokenizer_config.json", bytes: 1_202_305),
-                ModelFile(path: "chat_template.jinja", bytes: 1_626),
+                ModelFile(path: "config.json", bytes: 5_996),
+                ModelFile(path: "generation_config.json", bytes: 208),
+                ModelFile(path: "model.safetensors", bytes: 3_581_101_896),
+                ModelFile(path: "model.safetensors.index.json", bytes: 230_329),
+                ModelFile(path: "tokenizer.json", bytes: 32_169_626),
+                ModelFile(path: "tokenizer_config.json", bytes: 2_095),
+                ModelFile(path: "chat_template.jinja", bytes: 17_336),
+                ModelFile(path: "processor_config.json", bytes: 902),
            ]
        case .vl:
            // Qwen3-VL-4B-Instruct-4bit:字节数取自 mlx-community 仓库实际 blob 大小
@@ -90,15 +99,35 @@ nonisolated enum ModelManifest {
        files(for: kind).reduce(0) { $0 + $1.bytes }
    }

-    /// 单个文件的下载 URL。主模型 MNN / MLX 兜底走魔搭官方 `resolve/master`;
-    /// 已废弃的 `.vl` 回退自建镜像(实际不会被下载)。
+    /// 单个文件的**首选**下载 URL(= 候选源列表的第一项)。主模型走魔搭官方 `resolve/master`。
+    /// 下载编排应改用 `fileURLs` 拿到「魔搭优先 + hf-mirror 回退」的有序候选源;此方法保留给
+    /// 只需首选源的调用方(如测试断言主源路径)。
    static func fileURL(for kind: ModelKind, file: ModelFile) -> URL {
+        fileURLs(for: kind, file: file)[0]
+    }
+
+    /// 单个文件的有序候选下载源:**魔搭(ModelScope,resolve/master)优先,hf-mirror(resolve/main)回退**。
+    /// 两源同为 mlx-community 仓库同一份权重,字节完全一致 —— 断点续传的 `.part` 可跨源复用
+    /// (换源时发 `Range: bytes=offset-` 继续,不必重下)。用户选择:魔搭优先 + hf-mirror 回退。
+    /// 已废弃的 `.vl`(无魔搭 / 无 hf 回退)落到自建镜像 `baseURL`(实际不会被下载)。
+    static func fileURLs(for kind: ModelKind, file: ModelFile) -> [URL] {
+        var urls: [URL] = []
        if let repo = modelScopeRepo(for: kind) {
-            return URL(string: "https://modelscope.cn/models/\(repo)/resolve/master/")!
-                .appendingPathComponent(file.path)
+            urls.append(
+                URL(string: "https://modelscope.cn/models/\(repo)/resolve/master/")!
+                    .appendingPathComponent(file.path))
        }
-        return baseURL
-            .appendingPathComponent(kind.rawValue, isDirectory: true)
-            .appendingPathComponent(file.path)
+        if let hfRepo = huggingFaceMirrorRepo(for: kind) {
+            urls.append(
+                URL(string: "https://hf-mirror.com/\(hfRepo)/resolve/main/")!
+                    .appendingPathComponent(file.path))
+        }
+        if urls.isEmpty {
+            urls.append(
+                baseURL
+                    .appendingPathComponent(kind.rawValue, isDirectory: true)
+                    .appendingPathComponent(file.path))
+        }
+        return urls
    }
 }
--- a/康康/AI/ModelStore.swift
+++ b/康康/AI/ModelStore.swift
@@ -2,19 +2,19 @@ import Foundation

 nonisolated enum ModelKind: String, CaseIterable {
    /// 也是沙盒 Models/ 下的子目录名 / CDN 路径段。
-    /// 主模型已从 Qwen3.5-2B 切到 **Gemma-3n E2B(端侧 4bit,只走 MLX/GPU)**:
-    /// - llm:**用户唯一下载的主模型**。MLX 文本引擎,加载 `gemma3n` 文本模型(mlx-swift-lm 已注册)。
-    ///        Gemma-3n 在 MLX 只有文本能力(VLMModelFactory 未注册 gemma3n),故拍报告解读改走 OCR + 文本 LLM。
+    /// 主模型已从 Qwen3.5-2B → Gemma-3n → **Gemma 4 E2B(端侧 4bit,只走 MLX/GPU)**:
+    /// - llm:**用户唯一下载的主模型**。MLX 文本引擎,经 LLMModelFactory 的 `gemma4` 路径加载
+    ///        (mlx-swift-lm ≥3.31.4 已注册;`Gemma4Model` 只取 `language_model` 权重,跳过视觉/音频)。
+    ///        e2b 检查点无视觉权重(视觉在 gemma4_unified 12B),故拍报告解读仍走 OCR + 文本 LLM。
    /// - vl:已废弃,保留枚举避免动一圈穷举 switch,不再下载/展示。
-    /// - mnnLLM:已停用。Gemma-3n 跑不了 MNN(无转换模型 + MatFormer 架构不被 MNN 转换器支持),
-    ///           本项目已放弃 MNN/SME2 路径;保留枚举只为兼容旧引擎判断,不再分发/计入下载。
-    case llm    = "gemma-3n-E2B-it-lm-4bit"
+    /// - mnnLLM:已停用。本项目已放弃 MNN/SME2 路径;保留枚举只为兼容旧引擎判断,不再分发/计入下载。
+    case llm    = "gemma-4-e2b-it-4bit"
    case vl     = "Qwen3-VL-4B-Instruct-4bit"
    case mnnLLM = "Qwen3.5-2B-MNN"

    var displayName: String {
        switch self {
-        case .llm:    return "Gemma-3n E2B (MLX)"
+        case .llm:    return "Gemma 4 E2B (MLX)"
        case .vl:     return "Qwen3-VL-4B"
        case .mnnLLM: return "Qwen3.5-2B (MNN/SME2)"
        }
@@ -27,7 +27,7 @@ nonisolated enum ModelKind: String, CaseIterable {
    var sentinelFilename: String { "config.json" }

    /// 面向用户的模型集合:模型管理页 / 下载全部 / 就绪计数对外只暴露统一的主模型
-    /// Gemma-3n E2B(MLX,文本)。.vl/.mnnLLM 已停用,不展示、不计入「下载全部」与就绪计数。
+    /// Gemma 4 E2B(MLX,文本)。.vl/.mnnLLM 已停用,不展示、不计入「下载全部」与就绪计数。
    static let userFacing: [ModelKind] = [.llm]
 }

--- a/康康/AI/Prompts/VLPrompts.swift
+++ b/康康/AI/Prompts/VLPrompts.swift
@@ -116,8 +116,8 @@ JSON schema(严格):

    // MARK: - 报告整份解读(OCR 文本 → 完整 ParsedReport,纯文本 LLM)

-    /// C2「重新解读」/ 拍照整份识别走这条:主模型 Gemma-3n 只有文本能力(MLX 无 gemma3n 视觉),
-    /// 故先 Vision OCR 出纯文本,再交文本 LLM 一次抽出报告级 meta + 全部指标。
+    /// C2「重新解读」/ 拍照整份识别走这条:主模型 Gemma 4 E2B 无视觉权重(e2b 检查点仅文本,
+    /// 视觉在 gemma4_unified 12B),故先 Vision OCR 出纯文本,再交文本 LLM 一次抽出报告级 meta + 全部指标。
    /// 与 reportExtraction(多模态)同 schema,但去掉 source_page / source_box —— OCR 文本没有版面坐标,
    /// 让模型编框会污染原图证据高亮,统一不输出。
    static func reportExtractionFromText(_ ocrText: String, today: Date = .now) -> String {
--- a/康康/AI/VLSession.swift
+++ b/康康/AI/VLSession.swift
@@ -2,6 +2,10 @@ import Foundation
 import MLX
 import MLXVLM
 import MLXLMCommon
+// 3.x HF Hub/分词器栈拆成 opt-in 宏(见 LLMSession 注释)。
+import MLXHuggingFace
+import HuggingFace
+import Tokenizers

 /// 封装 MLX VL 模型(Qwen3-VL)的图像 → 文本推理。
 /// 与 LLMSession 同款 actor 隔离,串行化由上游 AIRuntime 统一保证。
@@ -25,8 +29,11 @@ actor VLSession {
    /// 从本地目录加载 VL 模型(包含 config.json + weights + tokenizer + processor)。
    static func load(folderURL: URL) async throws -> VLSession {
        let configuration = ModelConfiguration(directory: folderURL)
+        // 3.31.4:同 LLMSession,显式传 Downloader(占位)+ HF 分词器加载器。
        let container = try await withDeviceOverride {
            try await VLMModelFactory.shared.loadContainer(
+                from: #hubDownloader(),
+                using: #huggingFaceTokenizerLoader(),
                configuration: configuration
            )
        }
--- a/康康/Features/Me/InferenceSettingsView.swift
+++ b/康康/Features/Me/InferenceSettingsView.swift
@@ -1,7 +1,7 @@
 import SwiftUI

-/// 推理引擎设置:本项目主模型 Gemma-3n(端侧 4bit),**端侧统一走 MLX/GPU**。
-/// MNN/SME2 LLM 引擎已移除(Gemma-3n 无 MNN 转换模型),不再提供引擎选择——
+/// 推理引擎设置:本项目主模型 Gemma 4(端侧 4bit),**端侧统一走 MLX/GPU**。
+/// MNN/SME2 LLM 引擎已移除(Gemma 4 无 MNN 转换模型),不再提供引擎选择——
 /// 端侧只此一种,页面改为展示当前端侧后端 + 性能自检 + 云端 AI 开关。
 struct InferenceSettingsView: View {
    // 云端 AI(Gemini)开关与 key —— 键名与 CloudAI 对齐,@AppStorage 写入即被后端读到。
@@ -11,7 +11,7 @@ struct InferenceSettingsView: View {
    /// 性能自检改为当前页就地展开,不再 push 新页面。
    @State private var showSelfTest = false

-    /// 性能自检需要主模型(Gemma-3n,MLX)就绪。
+    /// 性能自检需要主模型(Gemma 4,MLX)就绪。
    private var modelReady: Bool {
        modelService.states[.llm]?.phase == .ready
    }
@@ -41,7 +41,7 @@ struct InferenceSettingsView: View {
        .onAppear { modelService.refreshStates() }
    }

-    /// 端侧后端信息卡(只此一种,不可切换):MLX · Metal GPU,端侧 Gemma-3n E2B。
+    /// 端侧后端信息卡(只此一种,不可切换):MLX · Metal GPU,端侧 Gemma 4 E2B。
    private var localEngineCard: some View {
        HStack(spacing: 12) {
            ZStack {
@@ -56,7 +56,7 @@ struct InferenceSettingsView: View {
                Text("MLX · GPU")
                    .font(.tjScaled(15, weight: .semibold))
                    .foregroundStyle(Tj.Palette.text)
-                Text("Metal GPU · 端侧推理 Gemma-3n E2B")
+                Text("Metal GPU · 端侧推理 Gemma 4 E2B")
                    .font(.tjScaled(12))
                    .foregroundStyle(Tj.Palette.text3)
                    .lineLimit(2)
@@ -141,7 +141,7 @@ struct InferenceSettingsView: View {
                        Text("启用云端增强")
                            .font(.tjScaled(15, weight: .semibold))
                            .foregroundStyle(Tj.Palette.text)
-                        Text("默认端侧 Gemma-3n;开启后「读报告原图 / 深度解读 / 多语言」走 Google Gemini。")
+                        Text("默认端侧 Gemma 4;开启后「读报告原图 / 深度解读 / 多语言」走 Google Gemini。")
                            .font(.tjScaled(12))
                            .foregroundStyle(Tj.Palette.text3)
                    }
@@ -166,7 +166,7 @@ struct InferenceSettingsView: View {
                            .font(.tjScaled(12))
                            .foregroundStyle(Tj.Palette.text3)
                    }
-                    Text("Key 仅存本机;断网或额度用尽时自动回退端侧 Gemma-3n,功能不中断。")
+                    Text("Key 仅存本机;断网或额度用尽时自动回退端侧 Gemma 4,功能不中断。")
                        .font(.tjScaled(11))
                        .foregroundStyle(Tj.Palette.text3)
                }
@@ -177,7 +177,7 @@ struct InferenceSettingsView: View {
    }

    private var noteCard: some View {
-        Text("隐私优先:默认端侧 Gemma-3n(MLX · Metal GPU)推理,数据不出设备;仅在你开启「云端 AI」后,深度任务才走 Google Gemini。切换后下一次 AI 调用生效。")
+        Text("隐私优先:默认端侧 Gemma 4(MLX · Metal GPU)推理,数据不出设备;仅在你开启「云端 AI」后,深度任务才走 Google Gemini。切换后下一次 AI 调用生效。")
            .font(.tjScaled(12))
            .foregroundStyle(Tj.Palette.text3)
            .frame(maxWidth: .infinity, alignment: .leading)
--- a/康康/Features/Me/MeView.swift
+++ b/康康/Features/Me/MeView.swift
@@ -167,7 +167,7 @@ struct MeView: View {
        .buttonStyle(.plain)
    }

-    /// 端侧统一走 MLX/GPU(Gemma-3n E2B);MNN/SME2 LLM 引擎已移除。
+    /// 端侧统一走 MLX/GPU(Gemma 4 E2B);MNN/SME2 LLM 引擎已移除。
    private var engineDetail: String { "MLX · GPU" }

    private var languageCard: some View {
--- a/康康/Features/Me/ModelManagementView.swift
+++ b/康康/Features/Me/ModelManagementView.swift
@@ -141,7 +141,7 @@ struct ModelManagementView: View {
        } else if allReady {
            HStack(spacing: 6) {
                Image(systemName: "checkmark.seal.fill")
-                Text("Gemma-3n E2B 已就绪")
+                Text("Gemma 4 E2B 已就绪")
            }
            .font(.tjScaled( 13, weight: .semibold))
            .foregroundStyle(Tj.Palette.leaf)
--- a/康康/Features/Me/ModelSelfTestView.swift
+++ b/康康/Features/Me/ModelSelfTestView.swift
@@ -1,6 +1,6 @@
 import SwiftUI

-/// 性能自检:跑固定 prompt,展示当前端侧后端(MLX·GPU,Gemma-3n E2B)的
+/// 性能自检:跑固定 prompt,展示当前端侧后端(MLX·GPU,Gemma 4 E2B)的
 /// prefill / decode 实测速度,并按后端存档对比 —— 端侧推理性能的可见证据(§12 卖点 2/6)。
 struct ModelSelfTestView: View {
    @State private var output = ""
@@ -177,7 +177,7 @@ struct ModelSelfTestView: View {
                    }
                }
            }
-            Text("Gemma-3n E2B 在端侧 MLX(Metal GPU)推理,100% 本地、不上云。")
+            Text("Gemma 4 E2B 在端侧 MLX(Metal GPU)推理,100% 本地、不上云。")
                .font(.tjScaled( 10))
                .foregroundStyle(Tj.Palette.text3)
        }
--- a/康康/Localizable.xcstrings
+++ b/康康/Localizable.xcstrings
@@ -1743,46 +1743,46 @@
        }
      }
    },
-    "Gemma-3n E2B 在端侧 MLX(Metal GPU)推理,100% 本地、不上云。" : {
+    "Gemma 4 E2B 在端侧 MLX(Metal GPU)推理,100% 本地、不上云。" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B runs on-device with MLX (Metal GPU) — 100% local, nothing goes to the cloud."
+            "value" : "Gemma 4 E2B runs on-device with MLX (Metal GPU) — 100% local, nothing goes to the cloud."
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B は端末上の MLX(Metal GPU)で推論します。100% ローカルで、クラウドには送信しません。"
+            "value" : "Gemma 4 E2B は端末上の MLX(Metal GPU)で推論します。100% ローカルで、クラウドには送信しません。"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B는 기기 내 MLX(Metal GPU)에서 추론합니다. 100% 로컬이며 클라우드로 전송하지 않습니다."
+            "value" : "Gemma 4 E2B는 기기 내 MLX(Metal GPU)에서 추론합니다. 100% 로컬이며 클라우드로 전송하지 않습니다."
          }
        }
      }
    },
-    "Gemma-3n E2B 已就绪" : {
+    "Gemma 4 E2B 已就绪" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B is ready"
+            "value" : "Gemma 4 E2B is ready"
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B の準備ができました"
+            "value" : "Gemma 4 E2B の準備ができました"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Gemma-3n E2B 준비 완료"
+            "value" : "Gemma 4 E2B 준비 완료"
          }
        }
      }
@@ -1790,24 +1790,24 @@
    "hi" : {

    },
-    "Key 仅存本机;断网或额度用尽时自动回退端侧 Gemma-3n,功能不中断。" : {
+    "Key 仅存本机;断网或额度用尽时自动回退端侧 Gemma 4,功能不中断。" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Your key is stored only on this device; if you're offline or out of quota, it automatically falls back to on-device Gemma-3n, so features keep working."
+            "value" : "Your key is stored only on this device; if you're offline or out of quota, it automatically falls back to on-device Gemma 4, so features keep working."
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "キーは本体にのみ保存されます。オフライン時や利用枠を使い切った場合は自動で端末上の Gemma-3n に切り替わり、機能は途切れません。"
+            "value" : "キーは本体にのみ保存されます。オフライン時や利用枠を使い切った場合は自動で端末上の Gemma 4 に切り替わり、機能は途切れません。"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "키는 기기에만 저장됩니다. 오프라인이거나 할당량을 모두 사용하면 자동으로 기기 내 Gemma-3n으로 전환되어 기능이 중단되지 않습니다."
+            "value" : "키는 기기에만 저장됩니다. 오프라인이거나 할당량을 모두 사용하면 자동으로 기기 내 Gemma 4으로 전환되어 기능이 중단되지 않습니다."
          }
        }
      }
@@ -1818,24 +1818,24 @@
    "lo" : {

    },
-    "Metal GPU · 端侧推理 Gemma-3n E2B" : {
+    "Metal GPU · 端侧推理 Gemma 4 E2B" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Metal GPU · On-device inference with Gemma-3n E2B"
+            "value" : "Metal GPU · On-device inference with Gemma 4 E2B"
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Metal GPU · 端末上で Gemma-3n E2B を推論"
+            "value" : "Metal GPU · 端末上で Gemma 4 E2B を推論"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Metal GPU · 기기 내 Gemma-3n E2B 추론"
+            "value" : "Metal GPU · 기기 내 Gemma 4 E2B 추론"
          }
        }
      }
@@ -7231,24 +7231,24 @@
        }
      }
    },
-    "已停用:Gemma-3n 无 MNN 转换模型,统一走 MLX" : {
+    "已停用:Gemma 4 无 MNN 转换模型,统一走 MLX" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Disabled: Gemma-3n has no MNN-converted model, so it runs on MLX"
+            "value" : "Disabled: Gemma 4 has no MNN-converted model, so it runs on MLX"
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "無効：Gemma-3n には MNN 変換モデルがないため、MLX で統一します"
+            "value" : "無効：Gemma 4 には MNN 変換モデルがないため、MLX で統一します"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "사용 중지: Gemma-3n은 MNN 변환 모델이 없어 MLX로 통일합니다"
+            "value" : "사용 중지: Gemma 4은 MNN 변환 모델이 없어 MLX로 통일합니다"
          }
        }
      }
@@ -19327,24 +19327,24 @@
        }
      }
    },
-    "隐私优先:默认端侧 Gemma-3n(MLX · Metal GPU)推理,数据不出设备;仅在你开启「云端 AI」后,深度任务才走 Google Gemini。切换后下一次 AI 调用生效。" : {
+    "隐私优先:默认端侧 Gemma 4(MLX · Metal GPU)推理,数据不出设备;仅在你开启「云端 AI」后,深度任务才走 Google Gemini。切换后下一次 AI 调用生效。" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "Privacy first: by default, inference runs on-device with Gemma-3n (MLX · Metal GPU) and your data never leaves the device; only after you turn on \"Cloud AI\" do deep tasks use Google Gemini. The change takes effect on your next AI call."
+            "value" : "Privacy first: by default, inference runs on-device with Gemma 4 (MLX · Metal GPU) and your data never leaves the device; only after you turn on \"Cloud AI\" do deep tasks use Google Gemini. The change takes effect on your next AI call."
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "プライバシー優先：既定では端末内の Gemma-3n（MLX・Metal GPU）で推論し、データは端末外に出ません。「クラウド AI」をオンにした場合のみ、高度なタスクが Google Gemini を使います。切り替えは次回の AI 呼び出しから有効になります。"
+            "value" : "プライバシー優先：既定では端末内の Gemma 4（MLX・Metal GPU）で推論し、データは端末外に出ません。「クラウド AI」をオンにした場合のみ、高度なタスクが Google Gemini を使います。切り替えは次回の AI 呼び出しから有効になります。"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "개인정보 우선: 기본적으로 기기 내 Gemma-3n(MLX · Metal GPU)으로 추론하며 데이터는 기기를 벗어나지 않아요. \"클라우드 AI\"를 켠 경우에만 심층 작업이 Google Gemini를 사용해요. 전환은 다음 AI 호출부터 적용돼요."
+            "value" : "개인정보 우선: 기본적으로 기기 내 Gemma 4(MLX · Metal GPU)으로 추론하며 데이터는 기기를 벗어나지 않아요. \"클라우드 AI\"를 켠 경우에만 심층 작업이 Google Gemini를 사용해요. 전환은 다음 AI 호출부터 적용돼요."
          }
        }
      }
@@ -19638,24 +19638,24 @@
        }
      }
    },
-    "默认端侧 Gemma-3n;开启后「读报告原图 / 深度解读 / 多语言」走 Google Gemini。" : {
+    "默认端侧 Gemma 4;开启后「读报告原图 / 深度解读 / 多语言」走 Google Gemini。" : {
      "localizations" : {
        "en" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "On-device Gemma-3n by default; once enabled, \"read report images / deep interpretation / multilingual\" use Google Gemini."
+            "value" : "On-device Gemma 4 by default; once enabled, \"read report images / deep interpretation / multilingual\" use Google Gemini."
          }
        },
        "ja" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "既定は端末内の Gemma-3n。オンにすると「レポート原本の読み取り／深い解釈／多言語」が Google Gemini を使います。"
+            "value" : "既定は端末内の Gemma 4。オンにすると「レポート原本の読み取り／深い解釈／多言語」が Google Gemini を使います。"
          }
        },
        "ko" : {
          "stringUnit" : {
            "state" : "translated",
-            "value" : "기본은 기기 내 Gemma-3n. 켜면 \"리포트 원본 읽기 / 심층 해석 / 다국어\"가 Google Gemini를 사용해요."
+            "value" : "기본은 기기 내 Gemma 4. 켜면 \"리포트 원본 읽기 / 심층 해석 / 다국어\"가 Google Gemini를 사용해요."
          }
        }
      }
--- a/康康/Models/HealthExport.swift
+++ b/康康/Models/HealthExport.swift
@@ -28,7 +28,7 @@ final class HealthExport {
    var inferredLabelCN: String?

    // demo 卖点凭证
-    /// 模型 tag,如 "gemma-3n-E2B-it-lm-4bit"(MLX 端侧主模型)。截图能证明本地推理。
+    /// 模型 tag,如 "gemma-4-e2b-it-4bit"(MLX 端侧主模型)。截图能证明本地推理。
    var modelTag: String
    /// 末次 tok/s,对应 demo 卖点 #6 Live Activity 数据。
    var decodeRate: Double
@@ -44,7 +44,7 @@ final class HealthExport {
         inferredTimeToDate: Date? = nil,
         inferredIntent: String? = nil,
         inferredLabelCN: String? = nil,
-         modelTag: String = "gemma-3n-E2B-it-lm-4bit",
+         modelTag: String = "gemma-4-e2b-it-4bit",
         decodeRate: Double = 0) {
        self.prompt = prompt
        self.content = content
--- a/康康/Services/CaptureService.swift
+++ b/康康/Services/CaptureService.swift
@@ -178,7 +178,7 @@ actor CaptureService {
    ///
    /// hybrid 双路:
    /// - **云端可用(Gemini)**:图片直传 Gemini 多模态读图(真·VL,恢复 source_box 证据高亮),
-    ///   OCR 文本作数字「抄写员」一并注入。这是端侧 Gemma-3n(MLX 文本版,无视觉)拿不到的能力。
+    ///   OCR 文本作数字「抄写员」一并注入。这是端侧 Gemma 4(MLX 文本版,无视觉)拿不到的能力。
    /// - **离线/未开云端**:回退 Vision OCR(本地,<1s/页)→ 端侧 Gemma 文本 LLM 抽 meta+指标。
    /// 云端任何失败(离线/超时/解析失败)都静默回退端侧,绝不卡死(§3.2 失败回退红线)。
    private func runVL(on assets: [FileVault.SavedAsset]) async throws -> ParsedReport {
--- a/康康/Services/ModelDownloadService.swift
+++ b/康康/Services/ModelDownloadService.swift
@@ -88,17 +88,38 @@ final class ModelDownloadService {
                if Task.isCancelled { return }
                let destination = store.fileURL(for: kind, relativePath: file.path)
                let base = completedBefore
-                try await downloader.download(
-                    from: ModelManifest.fileURL(for: kind, file: file),
-                    to: destination,
-                    expectedBytes: file.bytes,
-                    onProgress: { [weak self] received in
-                        guard let self else { return }
-                        Task { @MainActor in
-                            self.applyProgress(kind, currentTotal: base + received)
-                        }
+
+                // 魔搭优先 + hf-mirror 回退:按序尝试候选源,任一成功即止;
+                // 换源续传复用同一 .part(两源字节一致,Range 续传穿透)。
+                let sources = ModelManifest.fileURLs(for: kind, file: file)
+                var lastError: Error?
+                var downloaded = false
+                for (idx, source) in sources.enumerated() {
+                    if Task.isCancelled { return }
+                    do {
+                        try await downloader.download(
+                            from: source,
+                            to: destination,
+                            expectedBytes: file.bytes,
+                            onProgress: { [weak self] received in
+                                guard let self else { return }
+                                Task { @MainActor in
+                                    self.applyProgress(kind, currentTotal: base + received)
+                                }
+                            }
+                        )
+                        downloaded = true
+                        break
+                    } catch {
+                        lastError = error
+                        #if DEBUG
+                        let more = idx + 1 < sources.count ? ",回退下一个源" : ""
+                        print("[ModelDownload] \(file.path) 源 \(idx + 1)/\(sources.count) 失败:"
+                              + "\(error.localizedDescription)\(more)")
+                        #endif
                    }
-                )
+                }
+                if !downloaded { throw lastError ?? DownloadError.badStatus(0) }
                completedBefore += file.bytes
            }
            finish(kind, success: true, message: nil)