CogVLM2 19B
cogvlm2-19bTsinghua CogVLM2 19B with Llama-3 8B base plus 11B vision expert. Strong document understanding and visual reasoning, 8k context.
- Kaina
- ≈ 0,0114 USD/paleidimas
- Kontekstas
- 8 192 žetonų
- Maks. išvestis
- 2 048 žetonų
- Įvestis → išvestis
- Tekstas + Vaizdas → Tekstas
- Kūrėjas
- Community
- Atnaujinta
- 2026 m. rugsėjo 23 d.
Žaidimų aikštelė
Išbandyti CogVLM2 19B
Nėra įvesties formos
Šiam modeliui dar nėra įvesties formos
Jo įvestys dar nėra dokumentuotos. Kad vykdymas nepraeitų dėl neteisingos įvesties, čia nesiūlome formos. Pasirinkite panašų modelį.
Examples
InputPrompt
Describe this image.
Response
The image captures a well-lit, modern library or bookstore with a distinct industrial aesthetic. The main focus is a large, wooden bookshelf filled with an assortment of books, creating a warm and inviting atmosphere. The bookshelf is positioned against a rustic brick wall, which adds a touch of vintage charm to the space. The room is illuminated by hanging light bulbs, which dangle from the ceiling in a casual manner. There are also decorative elements such as a potted plant, a small framed sign, and a table with various items on it, enhancing the cozy ambiance. A person is seated at a desk in the foreground, suggesting the space is functional for reading or studying.
Apie CogVLM2 19B
CogVLM2 19B yra Community modelis iš Multimodalus kategorijos. Per Railwail CogVLM2 19B kainuoja ≈ 0,0114 USD už vieną paleidimą. Konteksto langas saugo 8 192 žetonų, o vienas atsakymas gali būti iki 2 048 žetonų ilgio.
Kainos
| Tipinis paleidimas (≈ 10 s su L40S) | 0,0114 USD už vieną paleidimą |
|---|---|
| GPU laikas (L40S) | 0,00117 USD už GPU sekundę |
- Apmokestinama pagal GPU laiką, kurio iš tikrųjų reikia paleidimui. Paleidimui pradėjus, iš jūsų balanso rezervuojamas 3× tipinis kaina ir vėliau sudengiama.
- 1 kreditas = 0,01 USD
Kainos skaičiuoklė
Kainos skaičiuoklė
Tipiškai pagal teikėją: apie 9,7 s
Iš viso
1,14 USD
114 kreditai
Per paleidimą
0,0114 USD · 1,14 kreditai
Sąskaitoje faktinis GPU laikas; tai yra sąmata.
API
Nėra patikrinto API pavyzdžio
Viešoji API perduoda kitą įvesties formatą nei šis modelis reikalingas. Naudokite aukščiau esančią žaidimų aikštelę.
Specifikacijos
- Modelio ID
cogvlm2-19b- Kūrėjas
- Community
- Kategorija
- Multimodalus
- Įvestis
- Tekstas, Vaizdas
- Išvestis
- Tekstas
- Konteksto langas
- 8 192 žetonų
- Maks. išvestis
- 2 048 žetonų
- Sąskaita
- Pagal naudojimą (žetonai arba GPU laikas)
- Katalogo įrašas atnaujintas
- 2026 m. rugsėjo 23 d.
Žymos
- replicate
- multimodal
- vision-understanding
- tsinghua
- open-weights
Dažnai užduodami klausimai
Kas yra CogVLM2 19B?
CogVLM2 19B yra Community modelis iš Multimodalus kategorijos.
Kiek kainuoja CogVLM2 19B Railwail?
Per Railwail CogVLM2 19B kainuoja ≈ 0,0114 USD už vieną paleidimą. Jums sąskaitoje pateikiama suma, kurią iš tikrųjų sunaudoja kiekvienas užklausa. Naudojimas apmokamas iš išanksto nupirktų kreditų; 1 kreditas = 0,01 USD.
Koks yra CogVLM2 19B konteksto langas?
CogVLM2 19B konteksto langas saugo 8 192 žetonų. Vienas atsakymas gali būti iki 2 048 žetonų ilgio.
Koks yra CogVLM2 19B greitis?
CogVLM2 19B Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.
Ar CogVLM2 19B geriau nei BLIP?
Tai priklauso nuo užduoties. CogVLM2 19B (Community) ir BLIP (Salesforce) yra abu modeliai iš Multimodalus kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.
Palyginti CogVLM2 19B ir BLIPAr CogVLM2 19B gali apdoroti vaizdus?
Taip. CogVLM2 19B priima vaizdus kaip įvestį, be teksto.
Panašūs modeliai
Visi šioje kategorijoje- 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.
Visi modeliai per vieną API
Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.