Gemini 1.5 Pro (vision)

MultimodaalneLõpetatudPole saadaval

Google DeepMind pooltgemini-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.

Vaata alternatiive Võrdle

Olek: Pole saadaval
Kontekst: 2 097 152 tokenit
Maks. väljund: 8192 tokenit
Sisend → väljund: Tekst + Pilt + Audio + Video → Tekst
Arendaja: Google DeepMind
Uuendatud: 23. september 2026

Gemini 1.5 Pro (vision) pole hetkel saadaval

Selle lehe üksikasju saad jätkuvalt lugeda. Võrdsete mudelite kohe käivitamiseks vali allpool üks saadaolevatest alternatiividest.

Mine alternatiividele

Pakkuja on selle mudeli kasutamise lõpetanud.

Võrreldavad mudelid

Kõik selles kategoorias

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 $/käivitus
Võrdle Gemini 1.5 Pro (vision) ja 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 $/1M sis
Võrdle Gemini 1.5 Pro (vision) ja 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 $/1M sis
Võrdle Gemini 1.5 Pro (vision) ja Claude Sonnet 4.6

Playground

Proovi Gemini 1.5 Pro (vision)

Vestlus

Hetkel pole saadaval

Praegu pole saadaval.

Mänguväljakud on keelatud. Sarnaseid mudeleid leiad samast kategooriast: Vaata alternatiive

Saada sõnum. Vastus saabub täielikult, kui mudel on valmis (ilma voogesituseta).

Maks. vastuse pikkus (tokenid)

TemperatuurMudeli vaikeväärtus

⌘/Ctrl + Enter

See käivitus

Hind puudub – praegu pole saadaval.

Oled siin uus?

10 tasuta krediiti (0,10 $), kui registreeritud Google'iga

Kasutatav 24 tundi pärast registreerimist, kuni 5 käivitust päevas ja maksimaalselt 2 krediiti käivituse kohta. Muud sisselogimismeetodid algavad ilma krediitideta.

Teave: Gemini 1.5 Pro (vision)

LühidaltSeisuga 23. september 2026

Gemini 1.5 Pro (vision) on mudel, mille on välja töötanud Google DeepMind kategoorias Multimodaalne. Gemini 1.5 Pro (vision) ei ole Railwail'is praegu saadaval. Konteksti aken sisaldab 2 097 152 märksõna ja üks vastus võib olla kuni 8192 märksõna pikkune.

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.

Hinnad

Praegu pole saadaval. Sellel mudelil pole hetkel hinda, seega seda ei saa käivitada.

API

Kutsu Gemini 1.5 Pro (vision) oma Railwail API võtmega. Kasuta selles päringus seda mudeli ID-d:

gemini-1-5-pro-visionVaata API dokumentatsiooni Hangi API võti

Praegu pole saadaval

Mudelil puudub kontrollitud hind või see on keelatud; API-kutsed lükatakse tagasi.

Spetsifikatsioonid

Mudeli ID: gemini-1-5-pro-vision
Arendaja: Google DeepMind
Kategooria: Multimodaalne
Sisend: Tekst, Pilt, Audio, Video
Väljund: Tekst
Konteksti aken: 2 097 152 tokenit
Maks. väljund: 8192 tokenit
Elutsükkel: Lõpetatud
Kataloogi kirje uuendatud: 23. september 2026

Sisendparameetrid

Mudeli sisendiskeemi sisendid ja seaded. API näide jaotises API näitab, milliseid neist API aktsepteerib.

ParameeterTüüpVaikimisiLubatud väärtused

promptnõutav
Question or instruction about the media
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: kuni 32 000 tähemärki
top_p
Tüüp: Arv
Vaikimisi: 0.95
Lubatud väärtused: 0 kuni 1
stream
Tüüp: Jah/Ei
Vaikimisi: false
Lubatud väärtused: –
image_url
Image, PDF or video URL to analyze
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: –
max_tokens
Tüüp: Täisarv
Vaikimisi: 2048
Lubatud väärtused: 1 kuni 8192
temperature
Tüüp: Arv
Vaikimisi: 1
Lubatud väärtused: 0 kuni 2
system_prompt
Optional system instruction
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: kuni 8000 tähemärki

Sildid

google
gemini
vision
multimodal
long-context
video-understanding

Korduma kippuvad küsimused

Mis on Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) on mudel, mille töötas välja Google DeepMind kategoorias Multimodaalne. See on loetletud Railwail'is, kuid hetkel ei saa seda käivitada.

Kui palju maksab Gemini 1.5 Pro (vision) Railwail'is?

Gemini 1.5 Pro (vision) ei saa hetkel Railwail'is käivitada, seega pole praegust hinda. Saadaolevad alternatiivid koos hindadega on loetletud selle lehe allpool.

Kui suur on Gemini 1.5 Pro (vision) konteksti aken?

Gemini 1.5 Pro (vision) konteksti aken sisaldab 2 097 152 märksõna. Üks vastus võib olla kuni 8192 märksõna pikkune.

Kui kiire on Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) kohta ei ole Railwail'is veel piisavalt mõõdetud käivitusi, et käivitusaega väita. See sõltub sisendist, seadistustest ja pakkuja koormusest.

Kas Gemini 1.5 Pro (vision) on parem kui BLIP?

See sõltub ülesandest. Gemini 1.5 Pro (vision) (Google DeepMind) ja BLIP (Salesforce) on mõlemad mudelid kategoorias Multimodaalne. Võrdlusleht näitab nende hindu ja spetsifikatsioone kõrvuti.

Võrdle Gemini 1.5 Pro (vision) ja BLIP

Kas Gemini 1.5 Pro (vision) saab töödelda pilte?

Jah. Gemini 1.5 Pro (vision) aktsepteerib sisendina teksti kõrval ka pilte.

Kas saan Gemini 1.5 Pro (vision) kohe kasutada?

Praegu pole saadaval. Leht jääb veebis; saadaolevad alternatiivid samast kategooriast on loetletud allpool.

Kõik mudelid ühe API kaudu

Üks API võti kõigile Railwail mudelitele. Kasutamine arvestatakse eelmakstud krediitidest, 1 krediit = 0,01 $.

Hangi API võti Vaata kõiki mudeleid