Gemini 1.5 Pro (vision)

MultimodālsPārtrauktsNav pieejams

no Google DeepMindgemini-1-5-pro-vision

Google Gemini 1.5 Pro with native multimodal input. Reads images, long PDFs, audio and video in up to a 2M-token context, useful for whole-document and long-video understanding.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 2 097 152 marķieri
Maks. izvade: 8192 marķieri
Ievade → Izvade: Teksts + Attēls + Audio + Video → Teksts
Izstrādātājs: Google DeepMind
Atjaunināts: 2026. gada 23. septembris

Gemini 1.5 Pro (vision) pašlaik nav pieejams

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām

Nodrošinātājs šo modeli vairs nepiedāvā.

Salīdzināmi modeļi

Visi šajā kategorijā

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 $/palaidi
Salīdzināt Gemini 1.5 Pro (vision) un BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 $/1M ievade
Salīdzināt Gemini 1.5 Pro (vision) un Claude Opus 4.7
Claude Sonnet 4.6Anthropic
Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.
3,60 $/1M ievade
Salīdzināt Gemini 1.5 Pro (vision) un Claude Sonnet 4.6

Spēļu laukums

Izmēģiniet Gemini 1.5 Pro (vision)

Tērzēšana

Pašlaik nav pieejams

Pašlaik nav pieejams.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Nosūtiet ziņojumu. Atbilde tiek saņemta pilnībā, kad modelis ir pabeigis (bez straumēšanas).

Maks. atbildes garums (marķieri)

TemperatūraModeļa noklusējums

⌘/Ctrl + Enter

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par Gemini 1.5 Pro (vision)

ĪsumāUz 2026. gada 23. septembris

Gemini 1.5 Pro (vision) ir Google DeepMind modelis kategorijā Multimodāls. Gemini 1.5 Pro (vision) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 2 097 152 žetonus, un viena atbilde var būt līdz 8192 žetonu gara.

Gemini 1.5 Pro accepts text, images, audio and video tokens in a single pass with a context window up to 2M tokens. That lets it ingest entire PDFs, hour-long videos or large image sets and answer questions across them. Common uses: long-document visual QA, video summarization and frame-level analysis, and mixed media extraction. Function calling and JSON output are first-class via the Gemini API.

Cenas

Pašlaik nav pieejams. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

API

Izsauciet Gemini 1.5 Pro (vision) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

gemini-1-5-pro-visionAPI dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

Specifikācijas

Modeļa ID: gemini-1-5-pro-vision
Izstrādātājs: Google DeepMind
Kategorija: Multimodāls
Ievade: Teksts, Attēls, Audio, Video
Izvade: Teksts
Konteksta logs: 2 097 152 marķieri
Maks. izvade: 8192 marķieri
Dzīves cikls: Pārtraukts
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

promptobligāts
Question or instruction about the media
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 32 000 rakstzīmēm
top_p
Tips: Skaitlis
Noklusējums: 0.95
Atļautās vērtības: 0 līdz 1
stream
Tips: Jā/Nē
Noklusējums: false
Atļautās vērtības: –
image_url
Image, PDF or video URL to analyze
Tips: Teksts
Noklusējums: –
Atļautās vērtības: –
max_tokens
Tips: Vesels skaitlis
Noklusējums: 2048
Atļautās vērtības: 1 līdz 8192
temperature
Tips: Skaitlis
Noklusējums: 1
Atļautās vērtības: 0 līdz 2
system_prompt
Optional system instruction
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 8000 rakstzīmēm

Tagi

google
gemini
vision
multimodal
long-context
video-understanding

Bieži uzdotie jautājumi

Kas ir Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) ir Google DeepMind izstrādāts modelis Multimodāls kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā Gemini 1.5 Pro (vision) Railwail?

Gemini 1.5 Pro (vision) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir Gemini 1.5 Pro (vision) konteksta logs?

Gemini 1.5 Pro (vision) konteksta logs satur 2 097 152 žetonus. Viena atbilde var būt līdz 8192 žetonu gara.

Cik ātrs ir Gemini 1.5 Pro (vision)?

Railwail platformā Gemini 1.5 Pro (vision) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai Gemini 1.5 Pro (vision) ir labāks par BLIP?

Tas ir atkarīgs no uzdevuma. Gemini 1.5 Pro (vision) (Google DeepMind) un BLIP (Salesforce) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt Gemini 1.5 Pro (vision) un BLIP

Vai Gemini 1.5 Pro (vision) var apstrādāt attēlus?

Jā. Gemini 1.5 Pro (vision) pieņem attēlus kā ievadi papildus tekstam.

Vai es varu izmantot Gemini 1.5 Pro (vision) tieši tagad?

Pašlaik nav pieejams. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus