DeepSeek-VL 7B
deepseek-vl-7bDeepSeek-VL 7B chat model. Vision-language model with hybrid vision encoder and strong real-world visual question answering performance.
- Prix
- ≈ 0,0086 $US/exécution
- Contexte
- 4 096 tokens
- Max. sortie
- 2 048 tokens
- Entrée → Sortie
- Texte + Image → Texte
- Développeur
- DeepSeek
- Mis à jour
- 23 septembre 2026
Playground
Essayer DeepSeek-VL 7B
Pas de formulaire d'entrée
Aucun formulaire d'entrée pour ce modèle pour le moment
Ses entrées ne sont pas encore documentées. Pour éviter qu'une exécution échoue avec une mauvaise entrée, nous ne proposons pas de formulaire ici. Choisissez plutôt un modèle comparable.
Examples
InputPrompt
Describe each stage of this image
Response
The image depicts a three-stage process for training a vision-language model. 1. Stage 1: Training VL Adapter: In this stage, a vision-language adapter is trained using supervised fine-tuning. The adapter is trained on image-text pairs and pure language sequences. 2. Stage 2: Joint VL Pre-training: In this stage, a joint vision-language model is pre-trained using self-supervised learning. The model is trained on image-text pairs and pure language sequences. 3. Stage 3: Supervised Fine-tuning: In this stage, the model is fine-tuned on supervised tasks using image-text pairs and pure language sequences. The model is trained using a hybrid vision-language adapter, which combines a vision-language adapter with a language model. The model is trained on a variety of tasks, including image captioning, visual question answering, and visual reasoning. The model is able to understand the visual content of an image and generate a natural language description or answer.
InputPrompt
Describe this image
Response
The image you've provided is a meme featuring a French Bulldog lying on its side on a blue wooden floor. The dog's head is resting on its paws, and it appears to be sleeping. The meme has a text overlay that reads "MONDAY. JUST...MONDAY." This suggests that the meme is making a humorous comment about the start of the work week. The dog's relaxed posture and the text overlay together create a light-hearted and relatable message.
À propos de DeepSeek-VL 7B
DeepSeek-VL 7B est un modèle de DeepSeek dans la catégorie Multimodal. Sur Railwail, DeepSeek-VL 7B coûte ≈ 0,0086 $US par exécution. La fenêtre de contexte contient 4 096 tokens, et une réponse peut faire jusqu'à 2 048 tokens.
Tarification
| Exécution typique (≈ 7 s sur L40S) | 0,0086 $US par exécution |
|---|---|
| Temps GPU (L40S) | 0,00117Â $US par seconde GPU |
- Facturée selon le temps GPU que l'exécution prend réellement. Au démarrage, 3× le prix typique est réservé de votre solde et régularisé ensuite.
- 1 crédit = 0,01 $US
Calculatrice de coûts
Calculatrice de prix
Typique selon le fournisseur : environ 7,3 s
Total
0,86Â $US
86 crédits
Par exécution
0,0086 $US · 0,86 crédits
Facturé selon le temps GPU réel ; ceci est une estimation.
API
Aucun exemple API vérifié
L'API publique transmet un format d'entrée différent de celui dont ce modèle a besoin. Utilisez le playground ci-dessus.
Spécifications
- ID du modèle
deepseek-vl-7b- Développeur
- DeepSeek
- Catégorie
- Multimodal
- Entrée
- Texte, Image
- Sortie
- Texte
- Fenêtre de contexte
- 4 096 tokens
- Sortie max.
- 2 048 tokens
- Facturation
- À l'usage (tokens ou temps GPU)
- Entrée du catalogue mise à jour
- 23 septembre 2026
Étiquettes
- replicate
- multimodal
- vision-understanding
- deepseek
- open-weights
Questions fréquemment posées
Qu'est-ce que DeepSeek-VL 7B ?
DeepSeek-VL 7B est un modèle de DeepSeek dans la catégorie Multimodal.
Combien coûte DeepSeek-VL 7B sur Railwail ?
Sur Railwail, DeepSeek-VL 7B coûte ≈ 0,0086 $US par exécution. Vous êtes facturé pour ce que chaque requête utilise réellement. L'utilisation est payée à partir de crédits prépayés ; 1 crédit équivaut à 0,01 $US.
Quelle est la fenêtre de contexte de DeepSeek-VL 7B ?
La fenêtre de contexte de DeepSeek-VL 7B contient 4 096 tokens. Une réponse peut faire jusqu'à 2 048 tokens.
Quelle est la vitesse de DeepSeek-VL 7B ?
Il n'y a pas encore assez d'exécutions mesurées de DeepSeek-VL 7B sur Railwail pour indiquer un temps d'exécution. Cela dépend de l'entrée, des paramètres et de la charge chez le fournisseur.
DeepSeek-VL 7B est-il meilleur que BLIP ?
Cela dépend de la tâche. DeepSeek-VL 7B (DeepSeek) et BLIP (Salesforce) sont tous deux des modèles de la catégorie Multimodal. La page de comparaison affiche leurs prix et spécifications côte à côte.
Comparer DeepSeek-VL 7B et BLIPDeepSeek-VL 7B peut-il traiter des images ?
Oui. DeepSeek-VL 7B accepte les images en entrée en plus du texte.
Modèles comparables
Tous dans cette catégorie- 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.
Tous les modèles via une API
Une clé API pour tous les modèles sur Railwail. L'utilisation est facturée à partir de crédits prépayés, 1 crédit = 0,01 $US.