往下拉回到首頁
Gemma 4 其實看得滿清楚的,只是你沒調對設定啦

Gemma 4 其實看得滿清楚的,只是你沒調對設定啦

Gemma 4 Vision: Why It Seems Blind (And How to Fix It)

欸你知道嗎,很多人在罵 Gemma 4 的視覺功能爛到不行,但其實問題根本不在模型本身,而是大家都沒有好好設定它。簡單來說就是,Gemma 4 預設的視覺預算只有 280 個 token(大概 645K 像素),這就像是你戴著超厚的墨鏡去看東西,當然看不清楚啦。它連細小的文字都認不出來,更不用說做文字辨識(OCR)了。但這裡有個超簡單的解決辦法——如果你用 llama.cpp 這個工具,只要改一下 --image-min-tokens 和 --image-max-tokens 這兩個設定,就能把 Gemma 4 的視覺潛力完全解放出來。說真的有點扯,這麼重要的東西竟然沒人講,害大家都以為 Gemma 4 的視覺功能很爛。如果你之前試過覺得失望,真的值得再給它一次機會。