最佳做法¶
Models
Gemma 4
使用 Gemma 4 時，請採用以下設定與最佳做法以獲得最佳效能。
1. 取樣參數¶
在所有使用情境下，一律採用以下標準化取樣設定：
| 參數 | 值 |
|---|---|
temperature |
1.0 |
top_p |
0.95 |
top_k |
64 |
2. 思考模式設定¶
相較於 Gemma 3，這些模型使用標準的 system、assistant 與
user 角色。要正確管理思考流程，請使用以下控制詞元：
- 觸發思考： 在系統提示開頭加入
<|think|>詞元即可啟用思考模式；移除該詞元則停用思考。 - 標準生成： 啟用思考時，模型會先輸出內部推理，再以下列結構輸出最終答案：
<|channel>thought
[內部推理]<channel|>- 停用思考的行為： 除 E2B 與 E4B 變體外的所有模型，若停用思考，模型仍會生成標籤，但思考區塊為空：
<|channel>thought
<channel|>[最終答案]Note
許多函式庫（例如 Transformers 與 llama.cpp）會替您處理聊天範本的複雜細節。
3. 多輪對話¶
歷史紀錄不含思考內容：多輪對話中，歷史模型輸出應只包含最終回應。前幾輪模型的思考內容，在下一輪使用者輸入開始前不得加入，唯有工具呼叫輪次除外（該輪次應保留思考內容）。
4. 模態順序¶
為讓多模態輸入發揮最佳效能，請按以下順序放置：
- 將圖像內容放在提示中文字之前。
- 將音訊內容放在提示中文字之後。
5. 可變圖像解析度¶
除了可變長寬比之外，Gemma 4 還可透過可設定的視覺詞元預算支援可變圖像解析度；詞元預算決定以多少個詞元來表示一張圖像。較高的預算能以額外運算為代價保留更多視覺細節，而較低的預算則能為不需要精細理解的任務提供更快的推論。
支援的詞元預算為 70、140、280、560 與 1120。
- 對分類、圖說生成或影片理解使用較低預算：這類任務中更快的推論與處理大量畫格，比精細細節更重要。
- 對 OCR、文件解析或閱讀小字等任務使用較高預算。
Tip
視覺詞元預算示範展示了各預算下的品質與速度權衡。
6. 音訊¶
處理音訊時請使用以下提示結構。
音訊語音辨識（ASR）
Transcribe the following speech segment in {LANGUAGE} into {LANGUAGE} text.
Follow these specific instructions for formatting the answer:
* Only output the transcription, with no newlines.
* When transcribing numbers, write the digits, i.e. write 1.7 and not one point seven, and write 3 instead of three.
自動語音翻譯（AST）
Transcribe the following speech segment in {SOURCE_LANGUAGE}, then translate it into {TARGET_LANGUAGE}.
When formatting the answer, first output the transcription in {SOURCE_LANGUAGE}, then one newline, then output the string '{TARGET_LANGUAGE}: ', then the translation in {TARGET_LANGUAGE}.
7. 音訊與影片長度¶
所有模型都支援圖像輸入，並能將影片以畫格方式處理；其中 E2B、E4B 與 12B 模型還支援音訊輸入。音訊最長支援 30 秒；若以每秒一畫格處理圖像，影片最長支援 60 秒。