視覺模型可同時接收圖像與文字，讓模型能夠描述、分類並針對其所見內容回答問題。

快速上手

ollama run gemma4 ./image.png whats in this image?

與 Ollama API 的使用方法

提供一個 images 陣列。SDK 可接受檔案路徑、URL 或原始位元組（raw bytes），而 REST API 則預期為 base64 編碼的圖像數據。

cURL

# 1. 下載範例圖片
curl -L -o test.jpg "https://upload.wikimedia.org/wikipedia/commons/3/3a/Cat03.jpg"

# 2. 編碼圖片
IMG=$(base64 < test.jpg | tr -d '\n')

# 3. 將其傳送至 Ollama
curl -X POST http://localhost:11434/api/chat \
-H "Content-Type: application/json" \
-d '{
    "model": "gemma4",
    "messages": [{
    "role": "user",
    "content": "What is in this image?",
    "images": ["'"$IMG"'"]
    }],
    "stream": false
}'

Python

from ollama import chat
# from pathlib import Path

# 輸入圖片的路徑
path = input('請輸入圖片的路徑：')

# 您也可以傳入 base64 編碼的圖像數據
# img = base64.b64encode(Path(path).read_bytes()).decode()
# 或原始位元組
# img = Path(path).read_bytes()

response = chat(
  model='gemma4',
  messages=[
    {
      'role': 'user',
      'content': 'What is in this image? Be concise.',
      'images': [path],
    }
  ],
)

print(response.message.content)

JavaScript

import ollama from 'ollama'

const imagePath = '/absolute/path/to/image.jpg'
const response = await ollama.chat({
  model: 'gemma4',
  messages: [
    { role: 'user', content: 'What is in this image?', images: [imagePath] }
  ],
  stream: false,
})

console.log(response.message.content)