כל המסלולים
VISION

תמונה או מסך — לתובנה או לקוד

צילום מסך שבאג, עיצוב לשיחזור, טבלה בתמונה, וידאו לניתוח.

שלושת המובילים למשימה

הגדרות הבחירה הראשונה

Gemini 3.8 Flash
thinking_levelmedium

החליף את thinking_budget המספרי; צפוי ויציב יותר.

temperature1.0 — אל תשנה

גוגל ממליצה במפורש להשאיר ברירת מחדל ב-3.x.

top_p / top_kברירת מחדל

הכיול של Gemini 3.x נשבר כשמשנים אותם.

max_output_tokens32000

עד 64K בחלון של מיליון טוקנים.

tools—

כלים רק בעת צורך.

thinking_levelhigh

נימוק עמוק יותר לפני מסקנה.

הפרומפט המומלץ

בתמונה: <מה חשוב>. החזר טבלה של רכיבים ומידות משוערות, וציין מה לא ניתן להסיק מהתמונה.
לפני הכל

אמור מה לחפש בתמונה ובאיזה פורמט להחזיר.

סדר העבודה

  1. 1

    העלה תמונה באיכות שמאפשרת לקרוא את מה שצריך.

  2. 2

    אמור מה לחפש: רכיב, שגיאה, מידות, היררכיה.

  3. 3

    בקש פלט מובנה: רכיבים, מידות, פערים.

  4. 4

    לשחזור עיצוב — בקש קוד עם טוקנים, לא תיאור.

מה אוכל את התוצאה

  • ⚠צילום מסך מטושטש — המודל ימציא טקסט במקום לומר שלא רואה.
  • ⚠בקשה כללית 'מה יש בתמונה' — תיאור ארוך וחסר תועלת.
  • ⚠הנחה שהמודל קורא מידות מדויקות מפיקסלים.

למה דווקא הוא

  • חלון של מיליון טוקנים ופלט עד 64K
  • thinking_level פשוט: low / medium / high
  • אמור מה לחפש בתמונה (רכיב, שגיאה, מידות) ובאיזה פורמט להחזיר. מודל ראייה בלי מטרה מתאר הכל ולא שום דבר.