BLIP

Name: BLIP
Brand: Salesforce
SKU: blip-captioning
Price: 0.0003 USD
Availability: InStock

MultimodalVerfügbar

von Salesforceblip-captioning

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.

Ausprobieren API-Schlüssel holen Vergleichen

Preis: ca. $ 0,00030/Lauf
Eingabe → Ausgabe: Text + Bild → Text
Entwickler: Salesforce
Aktualisiert: 23. September 2026

Playground

BLIP ausprobieren

Eingabe & Ergebnis

ca. $ 0,00030/Lauf

Question(optional)

Question for visual question answering mode

Bild

Aufgabe(optional)

⌘/Strg + Enter

Ergebnis

Die Antwort erscheint hier.

Dieser Lauf

ca. $ 0,0003 · 0,03 Credits

Beim Start werden $ 0,0009 (0,09 Credits) vorgemerkt, abgerechnet wird die tatsächliche GPU-Zeit.

Neu hier?

10 Gratis-Credits ($ 0,10) bei Anmeldung mit Google

Nutzbar 24 Stunden nach der Anmeldung, bis zu 5 Läufe pro Tag und höchstens 2 Credits je Lauf. Andere Anmeldearten starten ohne Guthaben. Reicht für 111 Läufe dieses Modells.

Beispiele

Echte Ergebnisse aus den öffentlichen Beispielen dieses Modells auf Replicate, mit dem Prompt und den Einstellungen, die sie erzeugt haben. Sie wurden nicht live auf dieser Seite erzeugt.

Eingabe

Prompt

image_captioning

Ausgabe (JSON, gekürzt)

[
  {
    "text": "Caption: a woman sitting on the beach with a dog"
  }
]

Eingabe
Prompt
what is in the sky?
Ausgabe (JSON, gekürzt)
```
[
  {
    "text": "Answer: moon"
  }
]
```
Eingabe
Prompt
what is in the lake?
Ausgabe (JSON, gekürzt)
```
[
  {
    "text": "Answer: swans"
  }
]
```

Über BLIP

Kurz gesagtStand: 23. September 2026

BLIP ist ein Modell von Salesforce aus der Kategorie Multimodal. Über Railwail kostet BLIP ca. $ 0,00030 pro Lauf.

BLIP (Bootstrapping Language-Image Pre-training) from Salesforce Research unifies captioning and VQA in one model. In caption mode it returns a concise description of the scene; in question-answering mode it answers a free-form question grounded in the image. It is one of the most-run captioning models on Replicate and a common building block for image search and accessibility alt-text.

Preise

Preise in US-Dollar. Abgerechnet wird über vorab gekaufte Credits.

Typischer Lauf (ca. 1 s auf T4)	$ 0,00030 pro Lauf
GPU-Zeit (T4)	$ 0,00027 pro GPU-Sekunde

Abgerechnet wird die GPU-Zeit, die der Lauf tatsächlich braucht. Beim Start wird das 3-Fache des typischen Preises vom Guthaben vorgemerkt und danach verrechnet.
1 Credit = $ 0,01

Kostenrechner

Preisrechner

GPU-Sekunden je Lauf

Typisch laut Anbieter: ca. 1 s

Läufe

Gesamt

$ 0,03

3 Credits

Je Lauf

$ 0,0003 · 0,03 Credits

Abgerechnet wird die tatsächliche GPU-Zeit; der Wert ist eine Schätzung.

API

Rufe BLIP mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

blip-captioningAPI-Dokumentation API-Schlüssel holen

Kein geprüftes API-Beispiel

Die öffentliche API übergibt ein anderes Eingabeformat, als dieses Modell braucht. Nutze den Playground oben.

Spezifikationen

Modell-ID: blip-captioning
Entwickler: Salesforce
Kategorie: Multimodal
Eingabe: Text, Bild
Ausgabe: Text
Abrechnung: Nach Verbrauch (Token bzw. GPU-Zeit)
Katalogeintrag aktualisiert: 23. September 2026

Eingabeparameter

Eingaben und Einstellungen laut Eingabeschema des Modells. Welche davon die API annimmt, zeigt das Beispiel im Abschnitt API.

ParameterTypStandardErlaubte Werte

imagePflicht
Image to caption or ask about
Typ: Text
Standard: –
Erlaubte Werte: –
task
Typ: Auswahl
Standard: image_captioning
Erlaubte Werte: image_captioning oder visual_question_answering
question
Question for visual question answering mode
Typ: Text
Standard: –
Erlaubte Werte: –

Häufige Fragen

Was ist BLIP?

BLIP ist ein Modell von Salesforce aus der Kategorie Multimodal.

Was kostet BLIP bei Railwail?

Über Railwail kostet BLIP ca. $ 0,00030 pro Lauf. Abgerechnet wird, was jede Anfrage tatsächlich verbraucht. Bezahlt wird mit vorab gekauften Credits; 1 Credit entspricht $ 0,01.

Welche Einstellungen unterstützt BLIP?

Laut Eingabeschema kennt BLIP diese Parameter: image, task (image_captioning oder visual_question_answering) und question.

Wie schnell ist BLIP?

Für BLIP gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.

Ist BLIP besser als CLIP Interrogator?

Das hängt von der Aufgabe ab. BLIP (Salesforce) und CLIP Interrogator (Community) sind beide Modelle aus der Kategorie Multimodal. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

BLIP und CLIP Interrogator vergleichen

Kann BLIP Bilder verarbeiten?

Ja. BLIP nimmt neben Text auch Bilder als Eingabe an.

Vergleichbare Modelle

Alle dieser Kategorie

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.
ca. $ 0,0457/Lauf
15 133 % teurer je Einheit
BLIP und CLIP Interrogator vergleichen
Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
ca. $ 0,0050/Lauf
1 567 % teurer je Einheit
BLIP und Depth Anything v2 vergleichen
SAM 2 (Segment Anything 2)Meta
Meta Segment Anything 2. Promptable segmentation across images and video with temporal memory. Zero-shot, point/box/mask prompts, fast on a single H100.
ca. $ 0,018/Lauf
5 900 % teurer je Einheit
BLIP und SAM 2 (Segment Anything 2) vergleichen

Alle Modelle über eine API

Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = $ 0,01.

API-Schlüssel holen Alle Modelle ansehen