Molmo 7B

MultimodalTilgængelig
af CommunityModell-ID: 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.

Pris
≈ 0,0505 US$/kørsel
Input → output
Tekst + Billede → Tekst
Udvikler
Community
Opdateret
23. september 2026
01

Playground

Prøv Molmo 7B

Input & resultat

≈ 0,0505 US$/kørsel
Prøv Molmo 7B

0 / 16.000

Avancerede indstillinger (1)
Resultat
Svaret vises her.

Denne kørsel

ca. 0,0505 US$ · 5,05 credits

0,1513 US$ (15,13 credits) reserveres ved start; den faktiske GPU-tid faktureres.

For konti uden tidligere køb: kørsler over 2 credits kræver en opladning.

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.

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

Om Molmo 7B

Kort sagtFra 23. september 2026

Molmo 7B er en model af Community i kategorien Multimodal. På Railwail koster Molmo 7B ≈ 0,0505 US$ pr. kørsel.

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

Priser

Priser i US-dollar. Forbrug debiteres fra forudbetalte credits.
Typisk kørsel (≈ 43 s på L40S)0,0505 US$ pr. kørsel
GPU-tid (L40S)0,00117 US$ pr. GPU-sekund
  • Faktureres efter den GPU-tid, som kørslen faktisk tager. NÃ¥r kørslen starter, reserveres 3× den typiske pris fra din saldo og afregnes efterfølgende.
  • 1 kredit = 0,01 US$

Omkostningsberegner

Prisberegner

s

Typisk ifølge udbyderen: ca. 43,1 s

I alt

5,05 US$

505 credits

Pr. kørsel

0,0505 US$ · 5,05 credits

Fakturering efter faktisk GPU-tid; dette er et estimat.

05

API

Kald Molmo 7B med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

Intet bekræftet API-eksempel

Den offentlige API sender et andet inputformat end det, som denne model har brug for. Brug playground ovenfor.

06

Specifikationer

Model-ID
molmo-7b
Udvikler
Community
Kategori
Multimodal
Input
Tekst, Billede
Output
Tekst
Fakturering
Efter forbrug (tokens eller GPU-tid)
Katalogelement opdateret
23. september 2026

Inputparametre

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

  • promptpÃ¥krævet

    Question about the image

    Type: Tekst
    Standard: –
    Tilladte værdier: op til 16.000 tegn
  • image_url

    Image URL to analyze

    Type: Tekst
    Standard: –
    Tilladte værdier: –
  • max_tokens
    Type: Heltal
    Standard: 1024
    Tilladte værdier: 1 til 4.096

Tags

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

Ofte stillede spørgsmål

Hvad er Molmo 7B?

Molmo 7B er en model fra Community i kategorien Multimodal.

Hvad koster Molmo 7B på Railwail?

På Railwail koster Molmo 7B ≈ 0,0505 US$ pr. kørsel. Du betaler for det, som hver anmodning faktisk bruger. Forbrug betales fra forudbetalte credits; 1 credit svarer til 0,01 US$.

Hvilke indstillinger understøtter Molmo 7B?

Ifølge dens inputskema kender Molmo 7B disse parametre: prompt (op til 16.000 tegn), image_url og max_tokens (1 til 4.096).

Hvor hurtig er Molmo 7B?

Der er endnu ikke nok målte kørsler af Molmo 7B på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er Molmo 7B bedre end BLIP?

Det afhænger af opgaven. Molmo 7B (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign Molmo 7B og BLIP

Kan Molmo 7B behandle billeder?

Ja. Molmo 7B accepterer billeder som input ud over tekst.

08

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

    99 % billigere pr. enhed

    Sammenlign Molmo 7B og 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 US$/kørsel

    10 % billigere pr. enhed

    Sammenlign Molmo 7B og 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 US$/kørsel

    90 % billigere pr. enhed

    Sammenlign Molmo 7B og Depth Anything v2

Alle modeller via én API

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