Molmo 7B

МултимодаленНалично
от CommunityID на модела: molmo-7b

Allen AI Molmo 7B-D on Replicate. Open vision-language model trained on the PixMo data, notable for pointing at and locating objects in images, not just describing them.

Цена
≈ 0,0505 щ.д./стартиране
Вход → Изход
Текст + Изображение → Текст
Разработчик
Community
Актуализирано
23 септември 2026 г.
01

Playground

Опитай Molmo 7B

Вход и резултат

≈ 0,0505 щ.д./стартиране
Опитай Molmo 7B

0 / 16 000

Разширени настройки (1)
Резултат
Отговорът се появява тук.

Този запуск

около 0,0505 щ.д. · 5,05 кредита

При стартиране се резервират 0,1513 щ.д. (15,13 кредита); фактурира се действителното GPU време.

За акаунти без покупка: запусци над 2 кредита изискват допълнително зареждане.

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.

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.
  • InputInput

    Prompt

    What do you see? Give me a detailed answer

    Response

    I see a charming scene featuring a large, fluffy white dog sitting on a wooden bench in the middle of a field. The dog appears to be a poodle mix, with curly fur covering its entire body. It's sitting upright with its front paws hanging over the edge of the bench, looking directly at the camera with a happy expression. The dog's tongue is hanging out, and its eyes are dark and expressive. The bench is made of dark brown wood with a lattice design on the backrest. It's positioned on a patch of brown, dead grass, which suggests it might be late fall or early winter. In the background, there's a vast field filled with tall, brown grass, and further back, I can see a line of bare trees against a light blue sky. The overall atmosphere is peaceful and serene. The dog seems to be enjoying its time outdoors, perhaps waiting for its owner or just taking in the scenery. The contrast between the white, fluffy dog and the brown

03

За Molmo 7B

НакраткоКъм 23 септември 2026 г.

Molmo 7B е модел на Community от категория Мултимодален. На Railwail Molmo 7B струва ≈ 0,0505 щ.д. за стартиране.

Molmo 7B-D from Allen AI is an open vision-language model trained on the PixMo human-annotated dataset. Beyond captioning and visual question answering it can point to and localize specific objects in an image, returning coordinates, which is useful for grounding and agentic UI tasks. This Replicate endpoint takes an image plus a prompt and returns text answers or pointing outputs. Fully open weights and data.
04

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.
Типично стартиране (≈ 43 s на L40S)0,0505 щ.д. за стартиране
GPU време (L40S)0,00117 щ.д. за GPU секунда
  • Таксува се по GPU времето, което стартирането действително отнема. При начало на стартирането 3× типичната цена се резервира от баланса ти и се уреждат впоследствие.
  • 1 кредит = 0,01 щ.д.

Калкулатор на разходите

Калкулатор за цени

s

Типично според доставчика: около 43,1 s

Общо

5,05 щ.д.

505 кредита

На изпълнение

0,0505 щ.д. · 5,05 кредита

Начислява се действителното GPU време; това е оценка.

05

API

Извикайте Molmo 7B с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

Няма проверен API пример

Публичният API предава различен входен формат, отколкото този модел нуждае. Използвайте playground по-горе.

06

Спецификации

ID на модела
molmo-7b
Разработчик
Community
Категория
Мултимодален
Вход
Текст, Изображение
Изход
Текст
Таксуване
По потребление (токени или GPU време)
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.

  • promptзадължително

    Question about the image

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: до 16 000 символа
  • image_url

    Image URL to analyze

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • max_tokens
    Тип: Цяло число
    По подразбиране: 1024
    Разрешени стойности: 1 до 4096

Етикети

  • replicate
  • allenai
  • molmo
  • vision-understanding
  • open-weights
  • grounding
07

Често задавани въпроси

Какво е Molmo 7B?

Molmo 7B е модел от Community в категория Мултимодален.

Колко струва Molmo 7B на Railwail?

На Railwail Molmo 7B струва ≈ 0,0505 щ.д. за стартиране. Таксуват се само ресурсите, които всяка заявка действително използва. Използването се плаща с предварително закупени кредити; 1 кредит е равен на 0,01 щ.д..

Какви настройки поддържа Molmo 7B?

Според схемата на входа, Molmo 7B познава тези параметри: prompt (до 16 000 символа), image_url и max_tokens (1 до 4096).

Колко бърз е Molmo 7B?

Все още няма достатъчно измерени задачи на Molmo 7B на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли Molmo 7B по-добър от BLIP?

Зависи от задачата. Molmo 7B (Community) и BLIP (Salesforce) са и двата модела в категория Мултимодален. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни Molmo 7B и BLIP

Може ли Molmo 7B да обработва изображения?

Да. Molmo 7B приема изображения като вход в допълнение към текста.

08

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

    99 % по-евтино на единица

    Сравнете Molmo 7B и BLIP
  • 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 щ.д./стартиране

    10 % по-евтино на единица

    Сравнете Molmo 7B и CLIP Interrogator
  • Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.

    ≈ 0,0050 щ.д./стартиране

    90 % по-евтино на единица

    Сравнете Molmo 7B и Depth Anything v2

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..