Phi-3.5 Vision
phi-3-5-visionMicrosoft Phi-3.5 Vision Instruct. Small (4.2B) multimodal model with strong document, OCR and multi-image reasoning at low cost.
- Status
- Ikke tilgængelig
- Kontekst
- 131,072 tokens
- Maks. output
- 4,096 tokens
- Input → output
- Tekst + Billede → Tekst
- Udvikler
- Microsoft
- Opdateret
- 25. juni 2026
Phi-3.5 Vision er i øjeblikket utilgængelig
Ikke tilgængelig i øjeblikket: dette model er deaktiveret.
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 alternativerSammenlignelige 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$/kørsel
- Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 US$/1M in
- 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
Playground
Prøv Phi-3.5 Vision
Ingen inputmaske
Ikke tilgængelig i øjeblikket: dette model er deaktiveret.
Playground'en er deaktiveret. Du finder sammenlignelige modeller i samme kategori: Se alternativer
Om Phi-3.5 Vision
Phi-3.5 Vision er en model af Microsoft i kategorien Multimodal. Phi-3.5 Vision er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 131,072 tokens, og et svar kan være op til 4,096 tokens langt.
Priser
Ikke tilgængelig i øjeblikket: dette model er deaktiveret. Der er i øjeblikket ingen pris for denne model, så den kan ikke køres.
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
phi-3-5-vision- Udvikler
- Microsoft
- Kategori
- Multimodal
- Input
- Tekst, Billede
- Output
- Tekst
- Kontekstvindue
- 131,072 tokens
- Maks. output
- 4,096 tokens
- Katalogelement opdateret
- 25. juni 2026
Tags
- replicate
- multimodal
- vision-understanding
- microsoft
- open-weights
- small
Ofte stillede spørgsmål
Hvad er Phi-3.5 Vision?
Phi-3.5 Vision er en model fra Microsoft i kategorien Multimodal. Den er opført på Railwail, men kan ikke køres i øjeblikket.
Hvad koster Phi-3.5 Vision på Railwail?
Phi-3.5 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 Phi-3.5 Vision?
Kontekstvinduet for Phi-3.5 Vision indeholder 131,072 tokens. Et svar kan være op til 4,096 tokens langt.
Hvor hurtig er Phi-3.5 Vision?
Der er endnu ikke nok målte kørsler af Phi-3.5 Vision på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.
Er Phi-3.5 Vision bedre end BLIP?
Det afhænger af opgaven. Phi-3.5 Vision (Microsoft) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser deres priser og specifikationer side om side.
Sammenlign Phi-3.5 Vision og BLIPKan Phi-3.5 Vision behandle billeder?
Ja. Phi-3.5 Vision accepterer billeder som input ud over tekst.
Kan jeg bruge Phi-3.5 Vision lige nu?
Ikke tilgængelig i øjeblikket: dette model er deaktiveret. 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$.