Gemini 1.5 Pro (vision)

MultimodalUdgåetIkke tilgængelig

af 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.

Se alternativer Sammenlign

Status: Ikke tilgængelig
Kontekst: 2.097.152 tokens
Maks. output: 8.192 tokens
Input → output: Tekst + Billede + Lyd + Video → Tekst
Udvikler: Google DeepMind
Opdateret: 23. september 2026

Gemini 1.5 Pro (vision) er i øjeblikket utilgængelig

Du kan stadig læse detaljerne på denne side. Vælg en af de tilgængelige alternativer nedenfor for at køre en sammenlignelig model med det samme.

Gå til alternativer

Udbyderen har udfaset denne model.

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.
≈ 0,00030 US$/kørsel
Sammenlign Gemini 1.5 Pro (vision) og BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 US$/1M in
Sammenlign Gemini 1.5 Pro (vision) og 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 US$/1M in
Sammenlign Gemini 1.5 Pro (vision) og Claude Sonnet 4.6

Playground

Prøv Gemini 1.5 Pro (vision)

Chat

Derzeit nicht verfügbar

Ikke tilgængelig i øjeblikket.

Playground'en er deaktiveret. Du finder sammenlignelige modeller i samme kategori: Se alternativer

Send en besked. Svaret ankommer fuldt ud, når modellen er færdig (uden streaming).

Maks. svarslængde (tokens)

TemperaturModelstandard

⌘/Ctrl + Enter

Denne kørsel

Ingen pris – ikke tilgængelig i øjeblikket.

Ny her?

10 gratis credits (0,10 US$) når du tilmelder dig med Google

Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits.

Om Gemini 1.5 Pro (vision)

Kort sagtFra 23. september 2026

Gemini 1.5 Pro (vision) er en model af Google DeepMind i kategorien Multimodal. Gemini 1.5 Pro (vision) er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 2.097.152 tokens, og et svar kan være op til 8.192 tokens langt.

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.

Priser

Ikke tilgængelig i øjeblikket. Der er i øjeblikket ingen pris for denne model, så den kan ikke køres.

API

Kald Gemini 1.5 Pro (vision) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

gemini-1-5-pro-visionAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

Modellen har ingen bekræftet pris eller er deaktiveret; API-kald afvises.

Specifikationer

Model-ID: gemini-1-5-pro-vision
Udvikler: Google DeepMind
Kategori: Multimodal
Input: Tekst, Billede, Lyd, Video
Output: Tekst
Kontekstvindue: 2.097.152 tokens
Maks. output: 8.192 tokens
Livscyklus: Udgået
Katalogelement opdateret: 23. september 2026

Inputparametre

Inputs og indstillinger fra modellens inputskema. Eksemplet i API-afsnittet viser, hvilke af dem API'en accepterer.

ParameterTypeStandardTilladte værdier

promptpåkrævet
Question or instruction about the media
Type: Tekst
Standard: –
Tilladte værdier: op til 32.000 tegn
top_p
Type: Tal
Standard: 0.95
Tilladte værdier: 0 til 1
stream
Type: Ja/Nej
Standard: false
Tilladte værdier: –
image_url
Image, PDF or video URL to analyze
Type: Tekst
Standard: –
Tilladte værdier: –
max_tokens
Type: Heltal
Standard: 2048
Tilladte værdier: 1 til 8.192
temperature
Type: Tal
Standard: 1
Tilladte værdier: 0 til 2
system_prompt
Optional system instruction
Type: Tekst
Standard: –
Tilladte værdier: op til 8.000 tegn

Ofte stillede spørgsmål

Hvad er Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) er en model fra Google DeepMind i kategorien Multimodal. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster Gemini 1.5 Pro (vision) på Railwail?

Gemini 1.5 Pro (vision) kan ikke køres på Railwail i øjeblikket, så der er ingen aktuel pris. Tilgængelige alternativer med priser er angivet længere nede på denne side.

Hvad er kontekstvinduet for Gemini 1.5 Pro (vision)?

Kontekstvinduet for Gemini 1.5 Pro (vision) indeholder 2.097.152 tokens. Et svar kan være op til 8.192 tokens langt.

Hvor hurtig er Gemini 1.5 Pro (vision)?

Der er endnu ikke nok målte kørsler af Gemini 1.5 Pro (vision) på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er Gemini 1.5 Pro (vision) bedre end BLIP?

Det afhænger af opgaven. Gemini 1.5 Pro (vision) (Google DeepMind) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign Gemini 1.5 Pro (vision) og BLIP

Kan Gemini 1.5 Pro (vision) behandle billeder?

Ja. Gemini 1.5 Pro (vision) accepterer billeder som input ud over tekst.

Kan jeg bruge Gemini 1.5 Pro (vision) lige nu?

Ikke tilgængelig i øjeblikket. Siden forbliver online; tilgængelige alternativer fra samme kategori er angivet længere nede.

Alle modeller via én API

En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.

Få API-nøgle Se alle modeller