CogVLM2 19B
cogvlm2-19bTsinghua CogVLM2 19B with Llama-3 8B base plus 11B vision expert. Strong document understanding and visual reasoning, 8k context.
- Preis
- ca. $ 0,0114/Lauf
- Kontext
- 8 192 Token
- Max. Ausgabe
- 2 048 Token
- Eingabe → Ausgabe
- Text + Bild → Text
- Entwickler
- Community
- Aktualisiert
- 23. September 2026
Playground
CogVLM2 19B ausprobieren
Keine Eingabemaske
Für dieses Modell ist noch keine Eingabemaske hinterlegt
Seine Eingaben sind noch nicht erfasst. Damit kein Lauf an einer falschen Eingabe scheitert, bieten wir hier kein Formular an. Wähle stattdessen ein vergleichbares Modell.
Beispiele
EingabePrompt
Describe this image.
Antwort
The image captures a well-lit, modern library or bookstore with a distinct industrial aesthetic. The main focus is a large, wooden bookshelf filled with an assortment of books, creating a warm and inviting atmosphere. The bookshelf is positioned against a rustic brick wall, which adds a touch of vintage charm to the space. The room is illuminated by hanging light bulbs, which dangle from the ceiling in a casual manner. There are also decorative elements such as a potted plant, a small framed sign, and a table with various items on it, enhancing the cozy ambiance. A person is seated at a desk in the foreground, suggesting the space is functional for reading or studying.
Über CogVLM2 19B
CogVLM2 19B ist ein Modell von Community aus der Kategorie Multimodal. Über Railwail kostet CogVLM2 19B ca. $ 0,0114 pro Lauf. Das Kontextfenster umfasst 8 192 Token, eine Antwort bis zu 2 048 Token.
Preise
| Typischer Lauf (ca. 10 s auf L40S) | $ 0,0114 pro Lauf |
|---|---|
| GPU-Zeit (L40S) | $ 0,00117 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
Typisch laut Anbieter: ca. 9,7 s
Gesamt
$ 1,14
114 Credits
Je Lauf
$ 0,0114 · 1,14 Credits
Abgerechnet wird die tatsächliche GPU-Zeit; der Wert ist eine Schätzung.
API
Kein geprüftes API-Beispiel
Die öffentliche API übergibt ein anderes Eingabeformat, als dieses Modell braucht. Nutze den Playground oben.
Spezifikationen
- Modell-ID
cogvlm2-19b- Entwickler
- Community
- Kategorie
- Multimodal
- Eingabe
- Text, Bild
- Ausgabe
- Text
- Kontextfenster
- 8 192 Token
- Max. Ausgabe
- 2 048 Token
- Abrechnung
- Nach Verbrauch (Token bzw. GPU-Zeit)
- Katalogeintrag aktualisiert
- 23. September 2026
Schlagwörter
- replicate
- multimodal
- vision-understanding
- tsinghua
- open-weights
Häufige Fragen
Was ist CogVLM2 19B?
CogVLM2 19B ist ein Modell von Community aus der Kategorie Multimodal.
Was kostet CogVLM2 19B bei Railwail?
Über Railwail kostet CogVLM2 19B ca. $ 0,0114 pro Lauf. Abgerechnet wird, was jede Anfrage tatsächlich verbraucht. Bezahlt wird mit vorab gekauften Credits; 1 Credit entspricht $ 0,01.
Wie groß ist das Kontextfenster von CogVLM2 19B?
Das Kontextfenster von CogVLM2 19B umfasst 8 192 Token. Eine Antwort kann bis zu 2 048 Token lang sein.
Wie schnell ist CogVLM2 19B?
Für CogVLM2 19B 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 CogVLM2 19B besser als BLIP?
Das hängt von der Aufgabe ab. CogVLM2 19B (Community) und BLIP (Salesforce) sind beide Modelle aus der Kategorie Multimodal. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.
CogVLM2 19B und BLIP vergleichenKann CogVLM2 19B Bilder verarbeiten?
Ja. CogVLM2 19B nimmt neben Text auch Bilder als Eingabe an.
Vergleichbare Modelle
Alle dieser Kategorie- 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.
- 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.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Alle Modelle über eine API
Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = $ 0,01.