Llama 3.2 Vision 11B (Ollama)
llama-3-2-vision-11b-ollamaMeta Llama 3.2 11B Vision served via Ollama on Replicate. Open-weights multimodal model for image captioning, document and chart reading, and visual question answering.
- Τιμή
- ≈ 0,0039 $/εκτέλεση
- Είσοδος → Έξοδος
- Κείμενο + Εικόνα → Κείμενο
- Προγραμματιστής
- Community
- Ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Playground
Δοκιμάστε Llama 3.2 Vision 11B (Ollama)
Είσοδος & Έξοδος
Αυτή η εκτέλεση
περίπου 0,0039 $ · 0,39 πιστωτικές μονάδες
0,0116 $ (1,16 πιστωτικές μονάδες) προεπιλέγονται κατά την έναρξη· ο πραγματικός χρόνος GPU χρεώνεται.
Νέος εδώ;
10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google
Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες. Αρκετό για 8 εκτελέσεις αυτού του μοντέλου.
Examples
InputPrompt
Where to find this monument? Can you give me other recommendations around the area?
Response
**Wat Phra Kaew (Temple of the Emerald Buddha)** in Bangkok, Thailand. Located within the Grand Palace complex, Wat Phra Kaew is a highly revered and sacred site that houses the iconic Emerald Buddha image. The temple's design incorporates traditional Thai architecture with intricate details and ornate decorations, featuring an imposing spire topped by a golden finial adorned with images of mythical creatures. **Recommendations for Your Visit:** * **Grand Palace**: Explore the sprawling palace grounds, which include several other notable temples and buildings. * **Wat Arun (Temple of Dawn)**: A nearby temple famous for its distinctive spire covered in colorful ceramics and glints of gold. * **Chao Phraya River Cruise**: Take a boat ride along the river to admire the city's skyline and learn about its history. * **Jim Thompson House Museum**: Visit this museum dedicated to Thai art and culture, featuring traditional architecture and beautiful gardens. Wat Phra Kaew is an absolute must-visit attraction when in Bangkok. With these recommendations, you'll have a well-rounded experience of the city's rich cultural heritage.
InputPrompt
How long does it take from invoice date to due date? Be short and concise.
Response
From the invoice date of 11/02/2019 to the due date of 26/02/2019, there is a difference of **15 days**. This calculation was performed by subtracting the invoice date from the due date: 26/02/2019 - 11/02/2019 = 15
InputPrompt
What happens when you take out white cat from this chain?
Response
The white cat is not present in the food web. The correct term for a wild animal would be "wildcat." If we were to remove a wildcat from the ecosystem, it would no longer be able to hunt or prey on other animals. This could have cascading effects throughout the entire ecosystem. *Answer*: Wildcat will lose its source of food and nutrients
Σχετικά με το Llama 3.2 Vision 11B (Ollama)
Το Llama 3.2 Vision 11B (Ollama) είναι ένα μοντέλο του Community στην κατηγορία Multimodal. Στο Railwail, το Llama 3.2 Vision 11B (Ollama) κοστίζει ≈ 0,0039 $ ανά εκτέλεση.
Τιμολόγηση
| Συνήθης εκτέλεση (≈ 3 s σε L40S) | 0,0039 $ ανά εκτέλεση |
|---|---|
| Χρόνος GPU (L40S) | 0,00117 $ ανά δευτερόλεπτο GPU |
- Χρέωση με βάση τον χρόνο GPU που χρειάζεται πραγματικά η εκτέλεση. Κατά την έναρξη, το 3× της τυπικής τιμής δεσμεύεται από το υπόλοιπό σας και διακανονίζεται αργότερα.
- 1 πιστωτική μονάδα = 0,01 $
Αριθμομηχανή κόστους
Αριθμομηχανή τιμών
Τυπικά σύμφωνα με τον πάροχο: περίπου 3,3 s
Σύνολο
0,39 $
39 πιστωτικές μονάδες
Ανά εκτέλεση
0,0039 $ · 0,39 πιστωτικές μονάδες
Χρέωση με βάση τον πραγματικό χρόνο GPU· αυτή είναι μια εκτίμηση.
API
Κανένα επαληθευμένο παράδειγμα API
Το δημόσιο API περνά μια διαφορετική μορφή εισόδου από αυτή που χρειάζεται αυτό το μοντέλο. Χρησιμοποιήστε το playground παραπάνω.
Προδιαγραφές
- ID μοντέλου
llama-3-2-vision-11b-ollama- Ανάπτυξη
- Community
- Κατηγορία
- Multimodal
- Είσοδος
- Κείμενο, Εικόνα
- Έξοδος
- Κείμενο
- Χρέωση
- Κατά χρήση (tokens ή χρόνος GPU)
- Καταχώρηση καταλόγου ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Παράμετροι εισόδου
Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.
promptΥποχρεωτικόQuestion about the image
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: Έως 16.000 χαρακτήρεςimage_urlImage URL to analyze
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: –max_tokensΤύπος: Ακέραιος αριθμόςΠροεπιλογή:1024Επιτρεπόμενες τιμές: 1 έως 4.096temperatureΤύπος: ΑριθμόςΠροεπιλογή:0.7Επιτρεπόμενες τιμές: 0 έως 2
Ετικέτες
- replicate
- meta
- llama
- vision-understanding
- open-weights
- ollama
Συχνές ερωτήσεις
Τι είναι Llama 3.2 Vision 11B (Ollama);
Το Llama 3.2 Vision 11B (Ollama) είναι ένα μοντέλο του Community στην κατηγορία Multimodal.
Πόσο κοστίζει το Llama 3.2 Vision 11B (Ollama) στο Railwail;
Στο Railwail, το Llama 3.2 Vision 11B (Ollama) κοστίζει ≈ 0,0039 $ ανά εκτέλεση. Χρεώνεστε για αυτό που χρησιμοποιεί πραγματικά κάθε αίτημα. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.
Ποιες ρυθμίσεις υποστηρίζει το Llama 3.2 Vision 11B (Ollama);
Σύμφωνα με το σχήμα εισόδου του, το Llama 3.2 Vision 11B (Ollama) γνωρίζει αυτές τις παραμέτρους: prompt (Έως 16.000 χαρακτήρες), image_url, max_tokens (1 έως 4.096) και temperature (0 έως 2).
Πόσο γρήγορο είναι το Llama 3.2 Vision 11B (Ollama);
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του Llama 3.2 Vision 11B (Ollama) στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το Llama 3.2 Vision 11B (Ollama) καλύτερο από το BLIP;
Αυτό εξαρτάται από την εργασία. Το Llama 3.2 Vision 11B (Ollama) (Community) και το BLIP (Salesforce) είναι και τα δύο μοντέλα στην κατηγορία Multimodal. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.
Σύγκριση Llama 3.2 Vision 11B (Ollama) και BLIPΜπορεί το Llama 3.2 Vision 11B (Ollama) να επεξεργαστεί εικόνες;
Ναι. Το Llama 3.2 Vision 11B (Ollama) δέχεται εικόνες ως είσοδο εκτός από κείμενο.
Συγκρίσιμα μοντέλα
Όλα σε αυτήν την κατηγορία- 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.
- 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 $/εκτέλεση
1.072 % ακριβότερο ανά μονάδα
Σύγκριση Llama 3.2 Vision 11B (Ollama) και 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 $/εκτέλεση
28 % ακριβότερο ανά μονάδα
Σύγκριση Llama 3.2 Vision 11B (Ollama) και Depth Anything v2
Όλα τα μοντέλα μέσω ενός API
Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.