Gemini 1.5 Pro (vision)

МултимодаленИзведен от употребаНедостъпно

от Google DeepMindgemini-1-5-pro-vision

Google Gemini 1.5 Pro with native multimodal input. Reads images, long PDFs, audio and video in up to a 2M-token context, useful for whole-document and long-video understanding.

Виж алтернативи Сравни

Статус: Недостъпно
Контекст: 2 097 152 токена
Макс. изход: 8192 токена
Вход → Изход: Текст + Изображение + Аудио + Видео → Текст
Разработчик: Google DeepMind
Актуализирано: 23 септември 2026 г.

Gemini 1.5 Pro (vision) е временно недостъпен

Можете да прочетете подробностите на тази страница. Изберете една от наличните алтернативи по-долу, за да стартирате сравним модел веднага.

Към алтернативите

Доставчикът изведе този модел от употреба.

Сравними модели

Всички в тази категория

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 щ.д./стартиране
Сравнете Gemini 1.5 Pro (vision) и BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 щ.д./1M вх
Сравнете Gemini 1.5 Pro (vision) и Claude Opus 4.7
Claude Sonnet 4.6Anthropic
Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.
3,60 щ.д./1M вх
Сравнете Gemini 1.5 Pro (vision) и Claude Sonnet 4.6

Playground

Опитай Gemini 1.5 Pro (vision)

Чат

Временно недостъпно

Временно недостъпно.

Playground е деактивиран. Сравними модели можеш да намериш в същата категория: Преглед на алтернативи

Изпрати съобщение. Отговорът пристига пълен, когато моделът завърши (без потоково предаване).

Макс. дължина на отговора (токени)

ТемператураСтандарт на модела

⌘/Ctrl + Enter

Този запуск

Няма цена – в момента недостъпно.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита.

За Gemini 1.5 Pro (vision)

НакраткоКъм 23 септември 2026 г.

Gemini 1.5 Pro (vision) е модел на Google DeepMind от категория Мултимодален. На Railwail Gemini 1.5 Pro (vision) в момента не е наличен. Контекстното окно съдържа 2 097 152 токена, а един отговор може да бъде до 8192 токена дълъг.

Gemini 1.5 Pro accepts text, images, audio and video tokens in a single pass with a context window up to 2M tokens. That lets it ingest entire PDFs, hour-long videos or large image sets and answer questions across them. Common uses: long-document visual QA, video summarization and frame-level analysis, and mixed media extraction. Function calling and JSON output are first-class via the Gemini API.

Цени

Временно недостъпно. В момента няма цена за този модел, затова не може да се изпълни.

API

Извикайте Gemini 1.5 Pro (vision) с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

gemini-1-5-pro-visionAPI документация Получете API ключ

В момента недостъпно

Моделът няма проверена цена или е деактивиран; API обаждания се отхвърлят.

Спецификации

ID на модела: gemini-1-5-pro-vision
Разработчик: Google DeepMind
Категория: Мултимодален
Вход: Текст, Изображение, Аудио, Видео
Изход: Текст
Контекстен прозорец: 2 097 152 токена
Макс. изход: 8192 токена
Жизнен цикъл: Изведен от употреба
Каталогът е актуализиран: 23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

ПараметърТипПо подразбиранеРазрешени стойности

promptзадължително
Question or instruction about the media
Тип: Текст
По подразбиране: –
Разрешени стойности: до 32 000 символа
top_p
Тип: Число
По подразбиране: 0.95
Разрешени стойности: 0 до 1
stream
Тип: Да/Не
По подразбиране: false
Разрешени стойности: –
image_url
Image, PDF or video URL to analyze
Тип: Текст
По подразбиране: –
Разрешени стойности: –
max_tokens
Тип: Цяло число
По подразбиране: 2048
Разрешени стойности: 1 до 8192
temperature
Тип: Число
По подразбиране: 1
Разрешени стойности: 0 до 2
system_prompt
Optional system instruction
Тип: Текст
По подразбиране: –
Разрешени стойности: до 8000 символа

Етикети

google
gemini
vision
multimodal
long-context
video-understanding

Често задавани въпроси

Какво е Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) е модел от Google DeepMind в категория Мултимодален. Той е включен в каталога на Railwail, но не може да се стартира в момента.

Колко струва Gemini 1.5 Pro (vision) на Railwail?

Gemini 1.5 Pro (vision) не може да се стартира на Railwail в момента, затова няма текуща цена. Налични алтернативи с цени са изброени по-долу на тази страница.

Какво е контекстното окно на Gemini 1.5 Pro (vision)?

Контекстното окно на Gemini 1.5 Pro (vision) съдържа 2 097 152 токена. Един отговор може да бъде до 8192 токена дълъг.

Колко бърз е Gemini 1.5 Pro (vision)?

Все още няма достатъчно измерени задачи на Gemini 1.5 Pro (vision) на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли Gemini 1.5 Pro (vision) по-добър от BLIP?

Зависи от задачата. Gemini 1.5 Pro (vision) (Google DeepMind) и BLIP (Salesforce) са и двата модела в категория Мултимодален. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни Gemini 1.5 Pro (vision) и BLIP

Може ли Gemini 1.5 Pro (vision) да обработва изображения?

Да. Gemini 1.5 Pro (vision) приема изображения като вход в допълнение към текста.

Мога ли да използвам Gemini 1.5 Pro (vision) сега?

Временно недостъпно. Страницата остава онлайн; налични алтернативи от същата категория са изброени по-долу.

Всички модели чрез един API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..

Получете API ключ Преглед на всички модели