MiniCPM-V 2.6
minicpm-v-2-6OpenBMB MiniCPM-V 2.6. 8B vision-language model with strong single-image, multi-image and video understanding plus OCR capabilities.
- Τιμή
- ≈ 0,0015 $/εκτέλεση
- Περιεχόμενο
- 32.768 tokens
- Μέγ. έξοδος
- 4.096 tokens
- Είσοδος → Έξοδος
- Κείμενο + Εικόνα + Βίντεο → Κείμενο
- Προγραμματιστής
- Community
- Ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Playground
Δοκιμάστε MiniCPM-V 2.6
Χωρίς φόρμα εισόδου
Δεν υπάρχει ακόμα φόρμα εισόδου για αυτό το μοντέλο
Οι είσοδοί του δεν έχουν τεκμηριωθεί ακόμα. Ώστε να μην αποτύχει κάποια εκτέλεση σε λάθος είσοδο, δεν προσφέρουμε φόρμα εδώ. Επιλέξτε ένα συγκρίσιμο μοντέλο.
Examples
Response
视频展示了几个场景，强调了学习和实践的重要性。首先，一个穿着围裙的人正在用蓝色胶带做标记，暗示着一个装修或艺术项目。接着，一个小组在办公室环境中开会，强调了团队合作和知识分享。然后，视频展示了一个人在篮球场上投篮，象征着通过实践学习和成长。最后，展示了一个人在厨房里撒糖粉，可能是在烘焙，强调了将知识应用于实践。这些场景共同传达了不断学习和实践知识的重要性，无论是在个人成长还是职业发展中。
Response
这幅图片展示了一个年轻男性的动画角色，他有着深棕色的头发和棕色的眼睛，微微泛红的脸颊，表明他可能感到害羞或兴奋。他穿着一件简单的白色短袖衬衫，背着一个黑色背包，暗示他可能是一个学生或旅行者。他的姿势轻松，一只手托着头，另一只手放在膝盖上，表明他处于放松或思考的状态。背景是一个郁郁葱葱的森林，阳光透过树叶洒下，营造出宁静的氛围。柔和的光线和散落的心形光斑增添了场景的梦幻和浪漫氛围。
Σχετικά με το MiniCPM-V 2.6
Το MiniCPM-V 2.6 είναι ένα μοντέλο του Community στην κατηγορία Multimodal. Στο Railwail, το MiniCPM-V 2.6 κοστίζει ≈ 0,0015 $ ανά εκτέλεση. Το παράθυρο περιεχομένου περιέχει 32.768 tokens, και μια απάντηση μπορεί να είναι έως 4.096 tokens.
Τιμολόγηση
| Συνήθης εκτέλεση (≈ 1 s σε L40S) | 0,0015 $ 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 1,2 s
Σύνολο
0,15 $
15 πιστωτικές μονάδες
Ανά εκτέλεση
0,0015 $ · 0,15 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
minicpm-v-2-6- Ανάπτυξη
- Community
- Κατηγορία
- Multimodal
- Είσοδος
- Κείμενο, Εικόνα, Βίντεο
- Έξοδος
- Κείμενο
- Παράθυρο περιεχομένου
- 32.768 tokens
- Μέγ. έξοδος
- 4.096 tokens
- Χρέωση
- Κατά χρήση (tokens ή χρόνος GPU)
- Καταχώρηση καταλόγου ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Ετικέτες
- replicate
- multimodal
- vision-understanding
- open-weights
- small
Συχνές ερωτήσεις
Τι είναι MiniCPM-V 2.6;
Το MiniCPM-V 2.6 είναι ένα μοντέλο του Community στην κατηγορία Multimodal.
Πόσο κοστίζει το MiniCPM-V 2.6 στο Railwail;
Στο Railwail, το MiniCPM-V 2.6 κοστίζει ≈ 0,0015 $ ανά εκτέλεση. Χρεώνεστε για αυτό που χρησιμοποιεί πραγματικά κάθε αίτημα. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.
Ποιο είναι το παράθυρο περιεχομένου του MiniCPM-V 2.6;
Το παράθυρο περιεχομένου του MiniCPM-V 2.6 περιέχει 32.768 tokens. Μια απάντηση μπορεί να είναι έως 4.096 tokens.
Πόσο γρήγορο είναι το MiniCPM-V 2.6;
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του MiniCPM-V 2.6 στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το MiniCPM-V 2.6 καλύτερο από το BLIP;
Αυτό εξαρτάται από την εργασία. Το MiniCPM-V 2.6 (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 MiniCPM-V 2.6 και BLIPΜπορεί το MiniCPM-V 2.6 να επεξεργαστεί εικόνες;
Ναι. Το MiniCPM-V 2.6 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.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Όλα τα μοντέλα μέσω ενός API
Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.