Gemma 4 視覺功能其實沒那麼爛，只是你沒設定對

很多人在 Gemma 4 的討論串裡抱怨視覺能力不夠好，但我發現一個問題——根本沒人在正確設定它。Gemma 4 內建可變影像解析度（Variable Image Resolution）功能，但預設的視覺預算只有 280 個 token（約 645K 像素），根本就是瞎子等級。這個設定下它連細小的文字都看不清楚，更別說做 OCR 了。不過有個好消息：如果你用 llama.cpp，只要調整 --image-min-tokens 和 --image-max-tokens 這兩個參數，就能解鎖模型真正的視覺潛力。大多數人根本不知道這回事，所以才會覺得 Gemma 4 的視覺功能很爛。如果你之前對它失望過，絕對值得試試看。