Railwail
Identifikohu

Qwen2-VL 7B Instruct

MultimodalE disponueshme
nga CommunityID-ja e modelit: qwen2-vl-7b-instruct-rep

Alibaba Qwen2-VL 7B served on Replicate. Open-weights vision-language model that chats about images and video, with dynamic resolution and strong OCR and document QA for its size.

ProvoMerr API keyKrahasim
Çmim
≈ 0,0024 US$/ekz
Hyrje → Dalje
Tekst + Imazh + Video → Tekst
Zhvillues
Community
Përditësuar
23 shtator 2026
01

Loja e lojërave

Provo Qwen2-VL 7B Instruct

Hyrje & rezultat

≈ 0,0024 US$/ekz
Provo Qwen2-VL 7B Instruct

0 / 16 000

Cilësimet e avancuara (2)
Rezultat
Përgjigja shfaqet këtu.

Ky ekzekutim

rreth 0,0024 US$ · 0,24 kredite

0,0072 US$ (0,72 kredite) rezervohen në fillim; koha aktuale e GPU-t faturohet.

I ri këtu?

10 kredite falas (0,10 US$) kur të regjistrohet me Google

I përdorshëm 24 orë pas regjistrimit, deri në 5 ekzekutime në ditë dhe më shumë se 2 kredite për ekzekutim. Metodat e tjera të hyrjes fillojnë pa kredite. Mjafton për 13 ekzekutime të këtij modeli.

02

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.

  • Prompt

    Describe this video in detail.

    Response

    The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.

  • Prompt

    Describe this in detail.

    Response

    The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.

  • Prompt

    Describe this in detail.

    Response

    The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.

03

Rreth Qwen2-VL 7B Instruct

PĂ«rmbledhjeMĂ« 23 shtator 2026

Qwen2-VL 7B Instruct Ă«shtĂ« njĂ« model i Community nĂ« kategorinĂ« Multimodal. NĂ« Railwail, Qwen2-VL 7B Instruct kushton ≈ 0,0024 US$ pĂ«r ekzekutim.

Qwen2-VL 7B Instruct is Alibaba's open-weights vision-language model packaged as a Replicate endpoint. It accepts an image (or video) plus a text prompt and answers questions, describes scenes, reads text in images and extracts structured data. Naive dynamic resolution and M-RoPE let it handle varied aspect ratios and longer visual inputs. A good self-hostable alternative to hosted VLMs for OCR and document tasks.
04

Çmimet

Çmimet nĂ« dollarĂ« amerikan. PĂ«rdorimi ngarkohet nga kreditet e parapaguar.
Ekzekutim tipik (≈ 2 s nĂ« L40S)0,0024 US$ pĂ«r ekzekutim
Koha GPU (L40S)0,00117 US$ për sekondë GPU
  • Faturohet sipas kohĂ«s GPU qĂ« ekzekutimi nĂ« tĂ« vĂ«rtetĂ« merr. Kur ekzekutimi fillon, 3× çmimi tipik rezervohet nga bilanci yt dhe zgjidhet mĂ« pas.
  • 1 kredi = 0,01 US$

Kalkulator i kostos

Kalkulator çmimesh

s

Tipike sipas ofruesi: rreth 2,1 s

Gjithsej

0,24 US$

24 kredite

PĂ«r ekzekutim

0,0024 US$ · 0,24 kredite

Faturohet koha aktuale e GPU; kjo është një vlerësim.

05

API

Thirr Qwen2-VL 7B Instruct me çelësin tuaj të API-t Railwail. Përdor këtë ID modeli në kërkesë:
qwen2-vl-7b-instruct-repDokumentacioni i API-tMerr një çelës API

Nuk ka shembull API të verifikuar

API publike kalon një format hyrjeje të ndryshëm nga ai që ky model ka nevojë. Përdor lojërat më lart.

06

Specifikacione

ID i modelit
qwen2-vl-7b-instruct-rep
Zhvilluesi
Community
Kategoria
Multimodal
Hyrja
Tekst, Imazh, Video
Dalja
Tekst
Faturimi
Sipas përdorimit (token ose kohë GPU)
Katalogu i përditësuar
23 shtator 2026

Parametrat e hyrjes

Hyrjet dhe cilësimet nga skema e hyrjes së modelit. Shembulli në seksionin API tregon cilat prej tyre e pranon API-ja.

  • prompti detyrueshĂ«m

    Question about the image or video

    Lloji: Tekst
    Parazgjedhja: –
    Vlerat e lejuara: deri 16 000 karaktere
  • image_url

    Image or video URL to analyze

    Lloji: Tekst
    Parazgjedhja: –
    Vlerat e lejuara: –
  • max_tokens
    Lloji: Numër i plotë
    Parazgjedhja: 1024
    Vlerat e lejuara: 1 deri 4096
  • temperature
    Lloji: Numër
    Parazgjedhja: 0.7
    Vlerat e lejuara: 0 deri 2

Etiketat

  • replicate
  • qwen
  • alibaba
  • vision-understanding
  • open-weights
  • ocr
07

Pyetje të shpeshta

ÇfarĂ« Ă«shtĂ« Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct është një model nga Community në kategorinë Multimodal.

Sa kushton Qwen2-VL 7B Instruct në Railwail?

NĂ« Railwail, Qwen2-VL 7B Instruct kushton ≈ 0,0024 US$ pĂ«r ekzekutim. TĂ« tarifohesh pĂ«r atĂ« qĂ« çdo kĂ«rkesĂ« nĂ« fakt pĂ«rdor. PĂ«rdorimi paguhet nga kredite tĂ« parapaguar; 1 kredit barazon 0,01 US$.

Cilat cilësime mbështet Qwen2-VL 7B Instruct?

Sipas skemës së hyrjes, Qwen2-VL 7B Instruct njeh këta parametra: prompt (deri 16 000 karaktere), image_url, max_tokens (1 deri 4096) dhe temperature (0 deri 2).

Sa i shpejtë është Qwen2-VL 7B Instruct?

Nuk ka ende mjaft ekzekutime të matura të Qwen2-VL 7B Instruct në Railwail për të deklaruar një kohë ekzekutimi. Varet nga hyrja, cilësimet dhe ngarkesa në ofruesin e shërbimit.

A është Qwen2-VL 7B Instruct më i mirë se BLIP?

Varet nga detyra. Qwen2-VL 7B Instruct (Community) dhe BLIP (Salesforce) janë të dy modele në kategorinë Multimodal. Faqja e krahasimit tregon çmimet dhe specifikacimet e tyre krah për krah.

Krahaso Qwen2-VL 7B Instruct dhe BLIP

A mund të përpunojë Qwen2-VL 7B Instruct imazhe?

Po. Qwen2-VL 7B Instruct pranon imazhe si hyrje përveç tekstit.

08

Modele të krahasueshme

Të gjitha në këtë kategori
  • BLIPSalesforce

    Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.

    ≈ 0,00030 US$/ekz

    88 % më lirë për njësi

    Krahasoje Qwen2-VL 7B Instruct dhe BLIP
  • CLIP InterrogatorCommunity

    pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.

    ≈ 0,0457 US$/ekz

    1804 % më shtrenjtë për njësi

    Krahasoje Qwen2-VL 7B Instruct dhe CLIP Interrogator
  • Depth Anything v2Community

    Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.

    ≈ 0,0050 US$/ekz

    108 % më shtrenjtë për njësi

    Krahasoje Qwen2-VL 7B Instruct dhe Depth Anything v2

Të gjitha modelet përmes një API

Një çelës API për çdo model në Railwail. Përdorimi ngarkohet nga kreditet e parapaguar, 1 kredit = 0,01 US$.

Merr çelësin e API-tShfletim të gjitha modelet