Molmo 7B

MultimodálisElérhető
Community általModell-azonosító: molmo-7b

Allen AI Molmo 7B-D on Replicate. Open vision-language model trained on the PixMo data, notable for pointing at and locating objects in images, not just describing them.

Ár
≈ 0,0505 USD/futás
Bemenet → kimenet
Szöveg + Kép → Szöveg
Fejlesztő
Community
Frissítve
2026. szeptember 23.
01

Playground

Próbáld ki: Molmo 7B

Bemenet és kimenet

≈ 0,0505 USD/futás
Próbáld ki: Molmo 7B

0 / 16 000

Speciális beállítások (1)
Eredmény
A válasz itt jelenik meg.

Ez a futtatás

kb. 0,0505 USD · 5,05 kredit

A kezdéskor 0,1513 USD (15,13 kredit) kerül foglalásra; a tényleges GPU-idő alapján történik a számlázás.

A vásárlás nélküli fiókok esetén: a 2 kreditet meghaladó futtatások feltöltést igényelnek.

Új vagy itt?

10 ingyenes kredit (0,10 USD) Google-fiókkal való regisztrációkor

Használható 24 órával a regisztráció után, naponta legfeljebb 5 futtatás és futtatásonként legfeljebb 2 kredit. Más bejelentkezési módok kreditek nélkül indulnak.

02

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.
  • InputInput

    Prompt

    What do you see? Give me a detailed answer

    Response

    I see a charming scene featuring a large, fluffy white dog sitting on a wooden bench in the middle of a field. The dog appears to be a poodle mix, with curly fur covering its entire body. It's sitting upright with its front paws hanging over the edge of the bench, looking directly at the camera with a happy expression. The dog's tongue is hanging out, and its eyes are dark and expressive. The bench is made of dark brown wood with a lattice design on the backrest. It's positioned on a patch of brown, dead grass, which suggests it might be late fall or early winter. In the background, there's a vast field filled with tall, brown grass, and further back, I can see a line of bare trees against a light blue sky. The overall atmosphere is peaceful and serene. The dog seems to be enjoying its time outdoors, perhaps waiting for its owner or just taking in the scenery. The contrast between the white, fluffy dog and the brown

03

A Molmo 7B névjegye

Röviden2026. szeptember 23. szerint

A Molmo 7B a Community által fejlesztett modell a Multimodális kategóriában. A Railwail-en a Molmo 7B ára ≈ 0,0505 USD futásonként.

Molmo 7B-D from Allen AI is an open vision-language model trained on the PixMo human-annotated dataset. Beyond captioning and visual question answering it can point to and localize specific objects in an image, returning coordinates, which is useful for grounding and agentic UI tasks. This Replicate endpoint takes an image plus a prompt and returns text answers or pointing outputs. Fully open weights and data.
04

Árak

Az árak amerikai dollárban vannak megadva. A használat előre feltöltött kreditek alapján kerül felszámításra.
Tipikus futás (≈ 43 s a(z) L40S eszközön)0,0505 USD futásonként
GPU-idő (L40S)0,00117 USD GPU-másodpercenként
  • A futás által ténylegesen igénybevett GPU-idő alapján történik a számlázás. A futás indításakor a tipikus ár 3-szerese kerül foglalásra az egyenlegéből, majd később elszámolásra.
  • 1 kredit = 0,01 USD

Költségkalkulátor

Árkalkulátor

s

A szolgáltató szerint tipikus: kb. 43,1 mp

Összesen

5,05 USD

505 kredit

Futásonként

0,0505 USD · 5,05 kredit

A tényleges GPU-idő alapján számlázva; ez egy becslés.

05

API

Hívja meg a Molmo 7B modellt a Railwail API-kulcsával. Használja ezt a modell-azonosítót a kérésben:

Nincs ellenőrzött API-példa

A nyilvános API más bemeneti formátumot továbbít, mint amit ez a modell igényel. Használja a fenti Playground-ot.

06

Specifikációk

Modell-azonosító
molmo-7b
Fejlesztő
Community
Kategória
Multimodális
Bemenet
Szöveg, Kép
Kimenet
Szöveg
Számlázás
Használat alapján (tokenek vagy GPU-idő)
Katalógus bejegyzés frissítve
2026. szeptember 23.

Bemeneti paraméterek

A modell bemeneti sémájából származó bemenetek és beállítások. Az API szakaszban szereplő példa mutatja, hogy az API melyiket fogadja el.

  • promptkötelező

    Question about the image

    Típus: Szöveg
    Alapértelmezett: –
    Engedélyezett értékek: legfeljebb 16 000 karakter
  • image_url

    Image URL to analyze

    Típus: Szöveg
    Alapértelmezett: –
    Engedélyezett értékek: –
  • max_tokens
    Típus: Egész szám
    Alapértelmezett: 1024
    Engedélyezett értékek: 1 és 4096 között

Címkék

  • replicate
  • allenai
  • molmo
  • vision-understanding
  • open-weights
  • grounding
07

Gyakran ismételt kérdések

Mi az a Molmo 7B?

A Molmo 7B a Community által fejlesztett modell a Multimodális kategóriában.

Mennyibe kerül a Molmo 7B a Railwail-on?

A Railwail-en a Molmo 7B ára ≈ 0,0505 USD futásonként. Az egyes kérések tényleges felhasználásáért kell fizetni. A használatért előre vásárolt kreditek alapján kell fizetni; 1 kredit = 0,01 USD.

Milyen beállításokat támogat a Molmo 7B?

A bemeneti séma szerint a Molmo 7B ezeket a paramétereket ismeri: prompt (legfeljebb 16 000 karakter), image_url és max_tokens (1 és 4096 között).

Milyen gyors a Molmo 7B?

A Molmo 7B-nek még nincs elég mért futtatása a Railwail-on ahhoz, hogy futási időt adjunk meg. Ez a bemenettől, a beállításoktól és a szolgáltató terhelésétől függ.

A Molmo 7B jobb, mint a BLIP?

Ez a feladattól függ. A Molmo 7B (Community) és a BLIP (Salesforce) egyaránt modellek a Multimodális kategóriában. Az összehasonlítás oldal az árakat és specifikációkat egymás mellett mutatja.

Molmo 7B és BLIP összehasonlítása

A Molmo 7B képes képeket feldolgozni?

Igen. A Molmo 7B szöveg mellett képeket is fogad bemenetként.

08
  • 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 USD/futás

    99 % olcsóbb egységenként

    Molmo 7B és BLIP összehasonlítása
  • 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 USD/futás

    10 % olcsóbb egységenként

    Molmo 7B és CLIP Interrogator összehasonlítása
  • Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.

    ≈ 0,0050 USD/futás

    90 % olcsóbb egységenként

    Molmo 7B és Depth Anything v2 összehasonlítása

Összes modell egy API-n keresztül

Egy API-kulcs a Railwail összes modelljéhez. A használat előre feltöltött kreditek alapján kerül felszámításra, 1 kredit = 0,01 USD.