Florence-2 Large
florence-2-largeMicrosoft Florence-2 Large. Unified prompt-based vision foundation model for captioning, detection, segmentation and OCR with a single 770M-param backbone.
- Prezzo
- ≈ 0,0012 USD/esecuzione
- Input → output
- Testo + Immagine → Testo
- Sviluppatore
- Community
- Aggiornato
- 23 settembre 2026
Playground
Prova Florence-2 Large
Input e output
Questa esecuzione
circa 0,0012 USD · 0,12 crediti
0,0036Â USD (0,36 crediti) sono riservati all'inizio; il tempo GPU effettivo viene fatturato.
Nuovo qui?
10 crediti gratuiti (0,10Â USD) quando ti iscrivi con Google
Utilizzabile 24 ore dopo l'iscrizione, fino a 5 esecuzioni al giorno e al massimo 2 crediti per esecuzione. Altri metodi di accesso iniziano senza crediti. Sufficiente per 27 esecuzioni di questo modello.
Examples
Open full size
InputNo text prompt: the model only takes the input shown.
Open full size
InputNo text prompt: the model only takes the input shown.
Open full size
InputNo text prompt: the model only takes the input shown.
Informazioni su Florence-2 Large
Florence-2 Large è un modello di Community nella categoria Multimodale. Su Railwail, Florence-2 Large costa ≈ 0,0012 USD per esecuzione.
Prezzi
| Esecuzione tipica (≈ 1 s su L40S) | 0,0012 USD per esecuzione |
|---|---|
| Tempo GPU (L40S) | 0,00117Â USD per secondo GPU |
- Fatturato in base al tempo GPU effettivamente utilizzato. All'avvio, 3× il prezzo tipico viene riservato dal tuo saldo e regolato successivamente.
- 1 credito = 0,01Â USD
Calcolatore di costi
Calcolatore prezzi
Tipico secondo il provider: circa 1 s
Totale
0,12Â USD
12 crediti
Per esecuzione
0,0012 USD · 0,12 crediti
Fatturato in base al tempo GPU effettivo; questo è una stima.
API
Nessun esempio API verificato
L'API pubblica passa un formato di input diverso da quello richiesto da questo modello. Usa il playground sopra.
Specifiche
- ID modello
florence-2-large- Sviluppatore
- Community
- Categoria
- Multimodale
- Input
- Testo, Immagine
- Output
- Testo
- Fatturazione
- In base all'utilizzo (token o tempo GPU)
- Voce di catalogo aggiornata
- 23 settembre 2026
Parametri di input
Input e impostazioni dallo schema di input del modello. L'esempio nella sezione API mostra quali di essi l'API accetta.
promptObbligatorioUser message or task instruction
Tipo: TestoPredefinito: –Valori consentiti: fino a 4000 caratteritaskTipo: SceltaPredefinito:captionValori consentiti: caption, detailed_caption, ocr, object_detection o segmentationimage_urlImage URL to analyze
Tipo: TestoPredefinito: –Valori consentiti: –max_tokensTipo: Numero interoPredefinito:1024Valori consentiti: 1 a 4096temperatureTipo: NumeroPredefinito:0.7Valori consentiti: 0 a 2
Etichette
- replicate
- multimodal
- vision-understanding
- microsoft
- open-weights
Domande frequenti
Cos'è Florence-2 Large?
Florence-2 Large è un modello di Community nella categoria Multimodale.
Quanto costa Florence-2 Large su Railwail?
Su Railwail, Florence-2 Large costa ≈ 0,0012 USD per esecuzione. Ti viene addebitato ciò che ogni richiesta utilizza effettivamente. L'utilizzo viene pagato con crediti prepagati; 1 credito equivale a 0,01 USD.
Quali impostazioni supporta Florence-2 Large?
Secondo il suo schema di input, Florence-2 Large conosce questi parametri: prompt (fino a 4000 caratteri), task (caption, detailed_caption, ocr, object_detection o segmentation), image_url, max_tokens (1 a 4096) e temperature (0 a 2).
Quanto è veloce Florence-2 Large?
Non ci sono ancora abbastanza esecuzioni misurate di Florence-2 Large su Railwail per indicare un tempo di esecuzione. Dipende dall'input, dalle impostazioni e dal carico presso il provider.
Florence-2 Large è migliore di BLIP?
Dipende dall'attività . Florence-2 Large (Community) e BLIP (Salesforce) sono entrambi modelli nella categoria Multimodale. La pagina di confronto mostra i loro prezzi e le specifiche affiancati.
Confronta Florence-2 Large e BLIPFlorence-2 Large può elaborare immagini?
Sì. Florence-2 Large accetta immagini come input oltre al testo.
Modelli comparabili
Tutti in questa categoria- 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 USD/esecuzione
3708 % più costoso per unitÃ
Confronta Florence-2 Large e 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 USD/esecuzione
317 % più costoso per unitÃ
Confronta Florence-2 Large e Depth Anything v2
Tutti i modelli tramite un'API
Una chiave API per tutti i modelli su Railwail. L'utilizzo viene addebitato da crediti prepagati, 1 credito = 0,01Â USD.