CogVLM2 19B
cogvlm2-19bTsinghua CogVLM2 19B with Llama-3 8B base plus 11B vision expert. Strong document understanding and visual reasoning, 8k context.
- Pris
- ≈ 0,0114 US$/kørsel
- Kontekst
- 8.192 tokens
- Maks. output
- 2.048 tokens
- Input → output
- Tekst + Billede → Tekst
- Udvikler
- Community
- Opdateret
- 23. september 2026
Playground
Prøv CogVLM2 19B
Ingen inputmaske
Ingen inputmaske til denne model endnu
Dens inputs er endnu ikke dokumenteret. For at ingen kørsel mislykkes på grund af forkert input tilbyder vi ikke en formular her. Vælg i stedet en sammenlignelig model.
Examples
InputPrompt
Describe this image.
Response
The image captures a well-lit, modern library or bookstore with a distinct industrial aesthetic. The main focus is a large, wooden bookshelf filled with an assortment of books, creating a warm and inviting atmosphere. The bookshelf is positioned against a rustic brick wall, which adds a touch of vintage charm to the space. The room is illuminated by hanging light bulbs, which dangle from the ceiling in a casual manner. There are also decorative elements such as a potted plant, a small framed sign, and a table with various items on it, enhancing the cozy ambiance. A person is seated at a desk in the foreground, suggesting the space is functional for reading or studying.
Om CogVLM2 19B
CogVLM2 19B er en model af Community i kategorien Multimodal. På Railwail koster CogVLM2 19B ≈ 0,0114 US$ pr. kørsel. Kontekstvinduet indeholder 8.192 tokens, og et svar kan være op til 2.048 tokens langt.
Priser
| Typisk kørsel (≈ 10 s på L40S) | 0,0114 US$ pr. kørsel |
|---|---|
| GPU-tid (L40S) | 0,00117Â US$ pr. GPU-sekund |
- Faktureres efter den GPU-tid, som kørslen faktisk tager. Når kørslen starter, reserveres 3× den typiske pris fra din saldo og afregnes efterfølgende.
- 1 kredit = 0,01Â US$
Omkostningsberegner
Prisberegner
Typisk ifølge udbyderen: ca. 9,7 s
I alt
1,14Â US$
114 credits
Pr. kørsel
0,0114 US$ · 1,14 credits
Fakturering efter faktisk GPU-tid; dette er et estimat.
API
Intet bekræftet API-eksempel
Den offentlige API sender et andet inputformat end det, som denne model har brug for. Brug playground ovenfor.
Specifikationer
- Model-ID
cogvlm2-19b- Udvikler
- Community
- Kategori
- Multimodal
- Input
- Tekst, Billede
- Output
- Tekst
- Kontekstvindue
- 8.192 tokens
- Maks. output
- 2.048 tokens
- Fakturering
- Efter forbrug (tokens eller GPU-tid)
- Katalogelement opdateret
- 23. september 2026
Tags
- replicate
- multimodal
- vision-understanding
- tsinghua
- open-weights
Ofte stillede spørgsmål
Hvad er CogVLM2 19B?
CogVLM2 19B er en model fra Community i kategorien Multimodal.
Hvad koster CogVLM2 19B på Railwail?
På Railwail koster CogVLM2 19B ≈ 0,0114 US$ pr. kørsel. Du betaler for det, som hver anmodning faktisk bruger. Forbrug betales fra forudbetalte credits; 1 credit svarer til 0,01 US$.
Hvad er kontekstvinduet for CogVLM2 19B?
Kontekstvinduet for CogVLM2 19B indeholder 8.192 tokens. Et svar kan være op til 2.048 tokens langt.
Hvor hurtig er CogVLM2 19B?
Der er endnu ikke nok målte kørsler af CogVLM2 19B på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.
Er CogVLM2 19B bedre end BLIP?
Det afhænger af opgaven. CogVLM2 19B (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser deres priser og specifikationer side om side.
Sammenlign CogVLM2 19B og BLIPKan CogVLM2 19B behandle billeder?
Ja. CogVLM2 19B accepterer billeder som input ud over tekst.
Sammenlignelige modeller
Alle i denne kategori- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Alle modeller via én API
En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.