LLaVA 1.6 Vicuna 13B
llava-1-6-vicuna-13bLLaVA 1.6 (LLaVA-NeXT) with a Vicuna-13B language backbone. Open vision-language chat model that describes images, answers questions, reads charts and reasons about scenes. Version 1.6 adds higher input resolution and better OCR and reasoning than LLaVA 1.5.
- Verð
- ≈ 0,1021 USD/keyrsla
- Samhengi
- 4.096 tákn
- Hámarksúttak
- 1.024 tákn
- Inntak → úttak
- Texti + Mynd → Texti
- Þróunaraðili
- Community
- Uppfært
- 23. september 2026
Leiksvæði
Prófaðu LLaVA 1.6 Vicuna 13B
Inntak og úttak
Þessi keyrsla
um 0,1021 USD · 10,21 inneign
0,3061 USD (30,61 inneign) eru fráteknar við upphaf; raunverulegur GPU-tími er innheimtaður.
Fyrir reikninga án kaupa: keyrslur yfir 2 inneign þurfa áfyllingu.
Nýr hér?
10 ókeypis inneign (0,10 USD) þegar þú skráir þig með Google
Hægt að nota 24 klst. eftir skráningu, allt að 5 keyrslur á dag og að hámarki 2 inneign á keyrslu. Aðrar innskráningaraðferðir byrja án inneignar.
Examples
InputPrompt
What should I take into account when visiting this place?
Response
When visiting a place like the one shown in the image, which appears to be a serene lake with a dock and surrounded by mountains and forests, you should consider the following: 1. **Weather Conditions**: Be prepared for the local weather. It can change rapidly, especially in mountainous areas, so check the forecast and dress in layers. 2. **Safety**: If you plan to go on the water, make sure you have a life jacket and know how to swim. If you're not a strong swimmer, consider wearing a life jacket even if you're just walking along the shore. 3. **Wildlife**: Be aware of the local wildlife and maintain a safe distance. Do not feed the animals, as this can disrupt their natural behavior and diet. 4. **Leave No Trace**: Respect the environment by not littering and by staying on designated paths or trails. 5. **Emergency Preparedness**: Have a first aid kit and know basic first aid. It's also a good idea to have a way to contact emergency services if needed. 6. **Navigation**: If you're going into the woods or on the water, have a map or GPS device and know how to use it. 7. **Hydration and Nutrition**: Bring enough water and food for your visit, especially if you'll be active. 8. **Clothing and Gear**: Wear appropriate clothing for the weather and activities you plan to do. Bring sturdy footwear if you plan to hike or walk on uneven terrain. 9. **Local Regulations**: Follow any posted rules or regulations, which might include fishing regulations, fire restrictions, or…
InputPrompt
What is unusual about this image?
Response
The image shows a person ironing clothes on the back of a moving vehicle, which is an unusual and potentially dangerous activity. Ironing clothes while a vehicle is in motion can be hazardous for the person doing the ironing as well as for other road users. The person is at risk of losing balance and falling off the vehicle, which could result in serious injury. Additionally, the iron could potentially cause a fire or damage to the vehicle or its surroundings if it overheats or malfunctions. This scene is not a safe or typical way to iron clothes and is likely staged for comedic or dramatic effect.
Um LLaVA 1.6 Vicuna 13B
LLaVA 1.6 Vicuna 13B er módel frá Community í flokknum Fjölbreytilegt. Á Railwail kostar LLaVA 1.6 Vicuna 13B ≈ 0,1021 USD fyrir hverja keyrslu. Samhengisgluggi geymir 4.096 tákn og ein svör getur verið allt að 1.024 tákn löng.
Verðlagning
| Dæmigerð keyrsla (≈ 87 s á L40S) | 0,1021 USD fyrir hverja keyrslu |
|---|---|
| GPU-tími (L40S) | 0,00117 USD fyrir hverja GPU-sekúndu |
- Reikningsfærðir eru GPU-tíminn sem keyrslan tekur í raun. Þegar keyrslan hefst er 3× dæmigerðu verðinu frátekin frá inneign þinni og jöfnuð síðar.
- 1 inneign = 0,01 USD
Kostnaðarreiknir
Verðreiknir
Dæmigert samkvæmt veitanda: um 87,2 s
Samtals
10,21 USD
1.021 inneign
Fyrir hverja keyrslu
0,1021 USD · 10,21 inneign
Innheimt er fyrir raunverulegan GPU-tíma; þetta er mat.
API
Engin staðfest API-dæmi
Opinbera API sendir annað inntakssnið en þetta módel þarf. Notaðu leiksvæðið hér að ofan.
Forskriftir
- Módel-auðkenni
llava-1-6-vicuna-13b- Þróunaraðili
- Community
- Flokkur
- Fjölbreytilegt
- Inntak
- Texti, Mynd
- Úttak
- Texti
- Samhengisglugginn
- 4.096 tákn
- Hámark úttak
- 1.024 tákn
- Reikningur
- Eftir notkun (tókar eða GPU-tími)
- Vörulistafærsla uppfærð
- 23. september 2026
Inntaksbreytur
Inntak og stillingar úr inntakskerfi módelsins. Dæmið í API-hlutanum sýnir hverjar þeirra API samþykkir.
imagenauðsynlegtImage to analyze
Tegund: TextiSjálfgefið: –Leyfðir gildir: –promptnauðsynlegtQuestion or instruction about the image
Tegund: TextiSjálfgefið:Describe this image in detail.Leyfðir gildir: allt að 4.000 stafirtop_pTegund: TalaSjálfgefið:1Leyfðir gildir: 0 til 1max_tokensTegund: HeiltalaSjálfgefið:512Leyfðir gildir: 1 til 1.024temperatureTegund: TalaSjálfgefið:0.2Leyfðir gildir: 0 til 2
Merki
- replicate
- llava
- captioning
- vqa
- vision-understanding
- open-weights
- image
Algengar spurningar
Hvað er LLaVA 1.6 Vicuna 13B?
LLaVA 1.6 Vicuna 13B er módel frá Community í flokknum Fjölbreytilegt.
Hvað kostar LLaVA 1.6 Vicuna 13B á Railwail?
Á Railwail kostar LLaVA 1.6 Vicuna 13B ≈ 0,1021 USD fyrir hverja keyrslu. Þér er rukkað fyrir það sem hver beiðni notar í raun. Notkun er greidd úr fyrirframgreiddum inneign; 1 inneign jafngildir 0,01 USD.
Hversu stór er samhengisgluggi LLaVA 1.6 Vicuna 13B?
Samhengisgluggi LLaVA 1.6 Vicuna 13B geymir 4.096 tákn. Ein svör getur verið allt að 1.024 tákn löng.
Hversu hratt er LLaVA 1.6 Vicuna 13B?
Það eru ekki nóg mældar keyrslur af LLaVA 1.6 Vicuna 13B á Railwail ennþá til að tilgreina keyrslutíma. Það fer eftir inntakinu, stillingum og álagi hjá veitandanum.
Er LLaVA 1.6 Vicuna 13B betra en BLIP?
Það fer eftir verkefninu. LLaVA 1.6 Vicuna 13B (Community) og BLIP (Salesforce) eru bæði módel í flokknum Fjölbreytilegt. Samanburðarsíðan sýnir verð og forskriftir þeirra hlið við hlið.
Bera saman LLaVA 1.6 Vicuna 13B og BLIPGetur LLaVA 1.6 Vicuna 13B unnið úr myndum?
Já. LLaVA 1.6 Vicuna 13B tekur myndir sem inntok auk texta.
Sambærileg módel
Öll í þessum flokki- 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.
Öll módel í gegnum eina API
Einn API-lykil fyrir öll módel á Railwail. Notkun er rukkuð frá fyrirframgreiddum inneign, 1 inneign = 0,01 USD.