Qwen2-VL 7B Instruct

Name: Qwen2-VL 7B Instruct
Brand: Community
SKU: qwen2-vl-7b-instruct-rep
Price: 0.0024 USD
Availability: InStock

MultimodaalneSaadaval

Community pooltqwen2-vl-7b-instruct-rep

Alibaba Qwen2-VL 7B served on Replicate. Open-weights vision-language model that chats about images and video, with dynamic resolution and strong OCR and document QA for its size.

Proovi Hangi API võti Võrdle

Hind: ≈ 0,0024 $/käivitus
Sisend → väljund: Tekst + Pilt + Video → Tekst
Arendaja: Community
Uuendatud: 23. september 2026

Playground

Proovi Qwen2-VL 7B Instruct

Sisend ja väljund

≈ 0,0024 $/käivitus

Käsk

0 / 16 000

Pilt(valikuline)

Täpsemad seaded (2)

Maks. märgid(valikuline)1–4096

Temperatuur(valikuline)0–2

⌘/Ctrl + Enter

Tulemus

Vastus ilmub siia.

See käivitus

umbes 0,0024 $ · 0,24 krediiti

Käivitamisel reserveeritakse 0,0072 $ (0,72 krediiti); arveldatakse tegelik GPU aeg.

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. Piisab 13 käivituseks sellest mudelist.

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.

Prompt
Describe this video in detail.
Response
The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.
Prompt
Describe this in detail.
Response
The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.
Prompt
Describe this in detail.
Response
The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.

Teave: Qwen2-VL 7B Instruct

LühidaltSeisuga 23. september 2026

Qwen2-VL 7B Instruct on mudel, mille on välja töötanud Community kategoorias Multimodaalne. Railwail'is maksab Qwen2-VL 7B Instruct ≈ 0,0024 $ käivituse kohta.

Qwen2-VL 7B Instruct is Alibaba's open-weights vision-language model packaged as a Replicate endpoint. It accepts an image (or video) plus a text prompt and answers questions, describes scenes, reads text in images and extracts structured data. Naive dynamic resolution and M-RoPE let it handle varied aspect ratios and longer visual inputs. A good self-hostable alternative to hosted VLMs for OCR and document tasks.

Hinnad

Hinnad USA dollarites. Kasutamine arvestatakse eelmakstud krediitidest.

Tüüpiline käivitus (≈ 2 s L40S peal)	0,0024 $ käivituse kohta
GPU-aeg (L40S)	0,00117 $ GPU-sekundi kohta

Arvestatakse GPU-aeg, mida käivitus tegelikult võtab. Käivituse alustamisel reserveeritakse sinu saldost 3× tüüpiline hind ja arvutatakse hiljem.
1 krediit = 0,01 $

Kulukalkulaator

Hinna kalkulaator

GPU-sekundid käivituse kohta

Pakkuja andmetel tüüpiline: umbes 2,1 s

Käivitused

Kokku

0,24 $

24 krediiti

Käivituse kohta

0,0024 $ · 0,24 krediiti

Arvestatakse tegelik GPU-aeg; see on hinnang.

API

Kutsu Qwen2-VL 7B Instruct oma Railwail API võtmega. Kasuta selles päringus seda mudeli ID-d:

qwen2-vl-7b-instruct-repVaata API dokumentatsiooni Hangi API võti

Kontrollitud API-näide puudub

Avalik API edastab teistsuguse sisendvormingu, kui see mudel vajab. Kasuta ülalolevat mänguväljakut.

Spetsifikatsioonid

Mudeli ID: qwen2-vl-7b-instruct-rep
Arendaja: Community
Kategooria: Multimodaalne
Sisend: Tekst, Pilt, Video
Väljund: Tekst
Arveldamine: Kasutuse järgi (tokenid või GPU-aeg)
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 about the image or video
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: kuni 16 000 tähemärki
image_url
Image or video URL to analyze
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: –
max_tokens
Tüüp: Täisarv
Vaikimisi: 1024
Lubatud väärtused: 1 kuni 4096
temperature
Tüüp: Arv
Vaikimisi: 0.7
Lubatud väärtused: 0 kuni 2

Sildid

replicate
qwen
alibaba
vision-understanding
open-weights
ocr

Korduma kippuvad küsimused

Mis on Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct on mudel, mille töötas välja Community kategoorias Multimodaalne.

Kui palju maksab Qwen2-VL 7B Instruct Railwail'is?

Railwail'is maksab Qwen2-VL 7B Instruct ≈ 0,0024 $ käivituse kohta. Sulle arvestatakse see, mida iga päring tegelikult kasutab. Kasutamine makstakse eelnevalt ostetud krediitidest; 1 krediit võrdub 0,01 $.

Milliseid seadistusi Qwen2-VL 7B Instruct toetab?

Vastavalt sisendiskeemile teab Qwen2-VL 7B Instruct neid parameetreid: prompt (kuni 16 000 tähemärki), image_url, max_tokens (1 kuni 4096) ja temperature (0 kuni 2).

Kui kiire on Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct kohta ei ole Railwail'is veel piisavalt mõõdetud käivitusi, et käivitusaega väita. See sõltub sisendist, seadistustest ja pakkuja koormusest.

Kas Qwen2-VL 7B Instruct on parem kui BLIP?

See sõltub ülesandest. Qwen2-VL 7B Instruct (Community) ja BLIP (Salesforce) on mõlemad mudelid kategoorias Multimodaalne. Võrdlusleht näitab nende hindu ja spetsifikatsioone kõrvuti.

Võrdle Qwen2-VL 7B Instruct ja BLIP

Kas Qwen2-VL 7B Instruct saab töödelda pilte?

Jah. Qwen2-VL 7B Instruct aktsepteerib sisendina teksti kõrval ka pilte.

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
88 % odavam ühiku kohta
Võrdle Qwen2-VL 7B Instruct ja BLIP
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.
≈ 0,0457 $/käivitus
1804 % kallim ühiku kohta
Võrdle Qwen2-VL 7B Instruct ja CLIP Interrogator
Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
≈ 0,0050 $/käivitus
108 % kallim ühiku kohta
Võrdle Qwen2-VL 7B Instruct ja Depth Anything v2

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