Railwail
Se connecter

Qwen2-VL 7B Instruct

MultimodalDisponible
par CommunityID du modèle: 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.

EssayerObtenir une clé APIComparer
Prix
≈ 0,0024 $US/exécution
Entrée → Sortie
Texte + Image + Vidéo → Texte
Développeur
Community
Mis à jour
23 septembre 2026
01

Playground

Essayer Qwen2-VL 7B Instruct

Entrée et résultat

≈ 0,0024 $US/exécution
Essayer Qwen2-VL 7B Instruct

0 / 16 000

Paramètres avancés (2)
Résultat
La réponse apparaît ici.

Cette exécution

environ 0,0024 $US · 0,24 crédits

0,0072 $US (0,72 crédits) sont réservés au démarrage ; le temps GPU réel est facturé.

Nouveau par ici ?

10 crédits gratuits (0,10 $US) à l'inscription avec Google

Utilisable 24 heures après l'inscription, jusqu'à 5 exécutions par jour et au maximum 2 crédits par exécution. Les autres méthodes de connexion commencent sans crédits. Suffisant pour 13 exécutions de ce modèle.

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

À propos de Qwen2-VL 7B Instruct

RésuméAu 23 septembre 2026

Qwen2-VL 7B Instruct est un modèle de Community dans la catégorie Multimodal. Sur Railwail, Qwen2-VL 7B Instruct coûte ≈ 0,0024 $US par exécution.

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

Tarification

Prix en dollars américains. L'utilisation est facturée à partir de crédits prépayés.
Exécution typique (≈ 2 s sur L40S)0,0024 $US par exécution
Temps GPU (L40S)0,00117 $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

s

Typique selon le fournisseur : environ 2,1 s

Total

0,24 $US

24 crédits

Par exécution

0,0024 $US · 0,24 crédits

Facturé selon le temps GPU réel ; ceci est une estimation.

05

API

Appelez Qwen2-VL 7B Instruct avec votre clé API Railwail. Utilisez cet ID de modèle dans la requête :
qwen2-vl-7b-instruct-repDocumentation APIObtenir une clé 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.

06

Spécifications

ID du modèle
qwen2-vl-7b-instruct-rep
Développeur
Community
Catégorie
Multimodal
Entrée
Texte, Image, Vidéo
Sortie
Texte
Facturation
À l'usage (tokens ou temps GPU)
Entrée du catalogue mise à jour
23 septembre 2026

Paramètres d'entrée

Entrées et paramètres du schéma d'entrée du modèle. L'exemple dans la section API montre lesquels l'API accepte.

  • promptObligatoire

    Question about the image or video

    Type: Texte
    Par défaut: –
    Valeurs autorisées: Jusqu'à 16 000 caractères
  • image_url

    Image or video URL to analyze

    Type: Texte
    Par défaut: –
    Valeurs autorisées: –
  • max_tokens
    Type: Nombre entier
    Par défaut: 1024
    Valeurs autorisées: 1 à 4 096
  • temperature
    Type: Nombre
    Par défaut: 0.7
    Valeurs autorisées: 0 à 2

Étiquettes

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

Questions fréquemment posées

Qu'est-ce que Qwen2-VL 7B Instruct ?

Qwen2-VL 7B Instruct est un modèle de Community dans la catégorie Multimodal.

Combien coûte Qwen2-VL 7B Instruct sur Railwail ?

Sur Railwail, Qwen2-VL 7B Instruct coûte ≈ 0,0024 $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.

Quels paramètres Qwen2-VL 7B Instruct supporte-t-il ?

Selon son schéma d'entrée, Qwen2-VL 7B Instruct connaît ces paramètres : prompt (Jusqu'à 16 000 caractères), image_url, max_tokens (1 à 4 096) et temperature (0 à 2).

Quelle est la vitesse de Qwen2-VL 7B Instruct ?

Il n'y a pas encore assez d'exécutions mesurées de Qwen2-VL 7B Instruct sur Railwail pour indiquer un temps d'exécution. Cela dépend de l'entrée, des paramètres et de la charge chez le fournisseur.

Qwen2-VL 7B Instruct est-il meilleur que BLIP ?

Cela dépend de la tâche. Qwen2-VL 7B Instruct (Community) 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 Qwen2-VL 7B Instruct et BLIP

Qwen2-VL 7B Instruct peut-il traiter des images ?

Oui. Qwen2-VL 7B Instruct accepte les images en entrée en plus du texte.

08

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.

    ≈ 0,00030 $US/exécution

    88 % moins cher par unité

    Comparer Qwen2-VL 7B Instruct et 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/exécution

    1 804 % plus cher par unité

    Comparer Qwen2-VL 7B Instruct et 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/exécution

    108 % plus cher par unité

    Comparer Qwen2-VL 7B Instruct et Depth Anything v2

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.

Obtenir une clé APIParcourir tous les modèles