Railwail
Accedi

Qwen2-VL 7B Instruct

MultimodaleDisponibile
di CommunityID modello: qwen2-vl-7b-instruct-rep

Alibaba Qwen2-VL 7B served on Replicate. Open-weights vision-language model that chats about images and video, with dynamic resolution and strong OCR and document QA for its size.

ProvaOttieni chiave APIConfronta
Prezzo
≈ 0,0024 USD/esecuzione
Input → output
Testo + Immagine + Video → Testo
Sviluppatore
Community
Aggiornato
23 settembre 2026
01

Playground

Prova Qwen2-VL 7B Instruct

Input e output

≈ 0,0024 USD/esecuzione
Prova Qwen2-VL 7B Instruct

0 / 16.000

Impostazioni avanzate (2)
Risultato
La risposta appare qui.

Questa esecuzione

circa 0,0024 USD · 0,24 crediti

0,0072 USD (0,72 crediti) sono riservati all'inizio; il tempo GPU effettivo viene fatturato.

Nuovo qui?

10 crediti gratuiti (0,10 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 13 esecuzioni di questo modello.

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.

  • Prompt

    Describe this video in detail.

    Response

    The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.

  • Prompt

    Describe this in detail.

    Response

    The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.

  • Prompt

    Describe this in detail.

    Response

    The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.

03

Informazioni su Qwen2-VL 7B Instruct

RiassuntoA partire da 23 settembre 2026

Qwen2-VL 7B Instruct è un modello di Community nella categoria Multimodale. Su Railwail, Qwen2-VL 7B Instruct costa ≈ 0,0024 USD per esecuzione.

Qwen2-VL 7B Instruct is Alibaba's open-weights vision-language model packaged as a Replicate endpoint. It accepts an image (or video) plus a text prompt and answers questions, describes scenes, reads text in images and extracts structured data. Naive dynamic resolution and M-RoPE let it handle varied aspect ratios and longer visual inputs. A good self-hostable alternative to hosted VLMs for OCR and document tasks.
04

Prezzi

Prezzi in dollari USA. L'utilizzo viene addebitato dai crediti prepagati.
Esecuzione tipica (≈ 2 s su L40S)0,0024 USD per esecuzione
Tempo GPU (L40S)0,00117 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 = 0,01 USD

Calcolatore di costi

Calcolatore prezzi

s

Tipico secondo il provider: circa 2,1 s

Totale

0,24 USD

24 crediti

Per esecuzione

0,0024 USD · 0,24 crediti

Fatturato in base al tempo GPU effettivo; questo è una stima.

05

API

Chiama Qwen2-VL 7B Instruct con la tua chiave API Railwail. Usa questo ID modello nella richiesta:
qwen2-vl-7b-instruct-repDocumentazione APIOttieni una chiave API

Nessun esempio API verificato

L'API pubblica passa un formato di input diverso da quello richiesto da questo modello. Usa il playground sopra.

06

Specifiche

ID modello
qwen2-vl-7b-instruct-rep
Sviluppatore
Community
Categoria
Multimodale
Input
Testo, Immagine, Video
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.

  • promptObbligatorio

    Question about the image or video

    Tipo: Testo
    Predefinito: –
    Valori consentiti: fino a 16.000 caratteri
  • image_url

    Image or video URL to analyze

    Tipo: Testo
    Predefinito: –
    Valori consentiti: –
  • max_tokens
    Tipo: Numero intero
    Predefinito: 1024
    Valori consentiti: 1 a 4096
  • temperature
    Tipo: Numero
    Predefinito: 0.7
    Valori consentiti: 0 a 2

Etichette

  • replicate
  • qwen
  • alibaba
  • vision-understanding
  • open-weights
  • ocr
07

Domande frequenti

Cos'è Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct è un modello di Community nella categoria Multimodale.

Quanto costa Qwen2-VL 7B Instruct su Railwail?

Su Railwail, Qwen2-VL 7B Instruct costa ≈ 0,0024 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 Qwen2-VL 7B Instruct?

Secondo il suo schema di input, Qwen2-VL 7B Instruct conosce questi parametri: prompt (fino a 16.000 caratteri), image_url, max_tokens (1 a 4096) e temperature (0 a 2).

Quanto è veloce Qwen2-VL 7B Instruct?

Non ci sono ancora abbastanza esecuzioni misurate di Qwen2-VL 7B Instruct su Railwail per indicare un tempo di esecuzione. Dipende dall'input, dalle impostazioni e dal carico presso il provider.

Qwen2-VL 7B Instruct è migliore di BLIP?

Dipende dall'attività. Qwen2-VL 7B Instruct (Community) e BLIP (Salesforce) sono entrambi modelli nella categoria Multimodale. La pagina di confronto mostra i loro prezzi e le specifiche affiancati.

Confronta Qwen2-VL 7B Instruct e BLIP

Qwen2-VL 7B Instruct può elaborare immagini?

Sì. Qwen2-VL 7B Instruct accetta immagini come input oltre al testo.

08

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.

    ≈ 0,00030 USD/esecuzione

    88 % più economico per unità

    Confronta Qwen2-VL 7B Instruct e BLIP
  • 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

    1804 % più costoso per unità

    Confronta Qwen2-VL 7B Instruct 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

    108 % più costoso per unità

    Confronta Qwen2-VL 7B Instruct 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 = 0,01 USD.

Ottieni chiave APIVisualizza tutti i modelli