Railwail
Вход

Qwen2-VL 7B Instruct

МултимодаленНалично
от CommunityID на модела: 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.

ОпитайВземи API ключСравни
Цена
≈ 0,0024 щ.д./стартиране
Вход → Изход
Текст + Изображение + Видео → Текст
Разработчик
Community
Актуализирано
23 септември 2026 г.
01

Playground

Опитай Qwen2-VL 7B Instruct

Вход и резултат

≈ 0,0024 щ.д./стартиране
Опитай Qwen2-VL 7B Instruct

0 / 16 000

Разширени настройки (2)
Резултат
Отговорът се появява тук.

Този запуск

около 0,0024 щ.д. · 0,24 кредита

При стартиране се резервират 0,0072 щ.д. (0,72 кредита); фактурира се действителното GPU време.

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. Достатъчно за 13 пускания на този модел.

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

За Qwen2-VL 7B Instruct

НакраткоКъм 23 септември 2026 г.

Qwen2-VL 7B Instruct е модел на Community от категория Мултимодален. На Railwail Qwen2-VL 7B Instruct струва ≈ 0,0024 щ.д. за стартиране.

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

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.
Типично стартиране (≈ 2 s на L40S)0,0024 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 2,1 s

Общо

0,24 щ.д.

24 кредита

На изпълнение

0,0024 щ.д. · 0,24 кредита

Начислява се действителното GPU време; това е оценка.

05

API

Извикайте Qwen2-VL 7B Instruct с вашия Railwail API ключ. Използвайте този ID на модела в заявката:
qwen2-vl-7b-instruct-repAPI документацияПолучете API ключ

Няма проверен API пример

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

06

Спецификации

ID на модела
qwen2-vl-7b-instruct-rep
Разработчик
Community
Категория
Мултимодален
Вход
Текст, Изображение, Видео
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 or video

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

    Image or video URL to analyze

    Тип: Текст
    По подразбиране: –
    Разрешени стойности: –
  • max_tokens
    Тип: Цяло число
    По подразбиране: 1024
    Разрешени стойности: 1 до 4096
  • temperature
    Тип: Число
    По подразбиране: 0.7
    Разрешени стойности: 0 до 2

Етикети

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

Често задавани въпроси

Какво е Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct е модел от Community в категория Мултимодален.

Колко струва Qwen2-VL 7B Instruct на Railwail?

На Railwail Qwen2-VL 7B Instruct струва ≈ 0,0024 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 Qwen2-VL 7B Instruct?

Според схемата на входа, Qwen2-VL 7B Instruct познава тези параметри: prompt (до 16 000 символа), image_url, max_tokens (1 до 4096) и temperature (0 до 2).

Колко бърз е Qwen2-VL 7B Instruct?

Все още няма достатъчно измерени задачи на Qwen2-VL 7B Instruct на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли Qwen2-VL 7B Instruct по-добър от BLIP?

Зависи от задачата. Qwen2-VL 7B Instruct (Community) и BLIP (Salesforce) са и двата модела в категория Мултимодален. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни Qwen2-VL 7B Instruct и BLIP

Може ли Qwen2-VL 7B Instruct да обработва изображения?

Да. Qwen2-VL 7B Instruct 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

    88 % по-евтино на единица

    Сравнете Qwen2-VL 7B Instruct и 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 щ.д./стартиране

    1804 % по-скъпо на единица

    Сравнете Qwen2-VL 7B Instruct и 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 щ.д./стартиране

    108 % по-скъпо на единица

    Сравнете Qwen2-VL 7B Instruct 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..

Получете API ключПреглед на всички модели