Molmo 7B

MultimodālsPieejams
no CommunityModeļa ID: molmo-7b

Allen AI Molmo 7B-D on Replicate. Open vision-language model trained on the PixMo data, notable for pointing at and locating objects in images, not just describing them.

Cena
≈ 0,0505 $/palaidi
Ievade → Izvade
Teksts + Attēls → Teksts
Izstrādātājs
Community
Atjaunināts
2026. gada 23. septembris
01

Spēļu laukums

Izmēģiniet Molmo 7B

Ievade un rezultāts

≈ 0,0505 $/palaidi
Izmēģiniet Molmo 7B

0 / 16 000

Papildu iestatījumi (1)
Rezultāts
Atbilde parādīsies šeit.

Šis palaišanas gadījums

apmēram 0,0505 $ · 5,05 kredīti

Sākumā tiek rezervēti 0,1513 $ (15,13 kredīti); tiek norēķināts faktiskais GPU laiks.

Kontiem bez pirkuma: palaišanas gadījumi virs 2 kredītiem prasa papildināšanu.

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.

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.
  • InputInput

    Prompt

    What do you see? Give me a detailed answer

    Response

    I see a charming scene featuring a large, fluffy white dog sitting on a wooden bench in the middle of a field. The dog appears to be a poodle mix, with curly fur covering its entire body. It's sitting upright with its front paws hanging over the edge of the bench, looking directly at the camera with a happy expression. The dog's tongue is hanging out, and its eyes are dark and expressive. The bench is made of dark brown wood with a lattice design on the backrest. It's positioned on a patch of brown, dead grass, which suggests it might be late fall or early winter. In the background, there's a vast field filled with tall, brown grass, and further back, I can see a line of bare trees against a light blue sky. The overall atmosphere is peaceful and serene. The dog seems to be enjoying its time outdoors, perhaps waiting for its owner or just taking in the scenery. The contrast between the white, fluffy dog and the brown

03

Par Molmo 7B

ĪsumāUz 2026. gada 23. septembris

Molmo 7B ir Community modelis kategorijā Multimodāls. Railwail platformā Molmo 7B maksā ≈ 0,0505 $ par palaidi.

Molmo 7B-D from Allen AI is an open vision-language model trained on the PixMo human-annotated dataset. Beyond captioning and visual question answering it can point to and localize specific objects in an image, returning coordinates, which is useful for grounding and agentic UI tasks. This Replicate endpoint takes an image plus a prompt and returns text answers or pointing outputs. Fully open weights and data.
04

Cenas

Cenas ASV dolāros. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem.
Tipisks palaidi (≈ 43 s uz L40S)0,0505 $ par palaidi
GPU laiks (L40S)0,00117 $ par GPU sekundi
  • Norēķināšana notiek par GPU laiku, ko palaidi faktiskā aizņem. Palaides sākumā no jūsu atlikuma tiek rezervēts 3× tipiskā cena un vēlāk nosegts.
  • 1 kredīts = 0,01 $

Izmaksu kalkulators

Cenu kalkulators

s

Tipiski pēc sniedzēja: aptuveni 43,1 s

Kopā

5,05 $

505 kredīti

Uz palaišanu

0,0505 $ · 5,05 kredīti

Norēķins pēc faktiskā GPU laika; šī ir aprēķins.

05

API

Izsauciet Molmo 7B ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

Nav pārbaudīta API piemēra

Publiskā API nodod citu ievades formātu, nekā nepieciešams šim modelim. Izmantojiet smilšu kasti iepriekš.

06

Specifikācijas

Modeļa ID
molmo-7b
Izstrādātājs
Community
Kategorija
Multimodāls
Ievade
Teksts, Attēls
Izvade
Teksts
Norēķini
Pēc lietojuma (tokeni vai GPU laiks)
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.

  • promptobligāts

    Question about the image

    Tips: Teksts
    Noklusējums: –
    Atļautās vērtības: līdz 16 000 rakstzīmēm
  • image_url

    Image URL to analyze

    Tips: Teksts
    Noklusējums: –
    Atļautās vērtības: –
  • max_tokens
    Tips: Vesels skaitlis
    Noklusējums: 1024
    Atļautās vērtības: 1 līdz 4096

Tagi

  • replicate
  • allenai
  • molmo
  • vision-understanding
  • open-weights
  • grounding
07

Bieži uzdotie jautājumi

Kas ir Molmo 7B?

Molmo 7B ir Community izstrādāts modelis Multimodāls kategorijā.

Cik maksā Molmo 7B Railwail?

Railwail platformā Molmo 7B maksā ≈ 0,0505 $ par palaidi. Jums tiek ņemta maksa par to, ko katra pieprasījuma izpilde faktiski izmanto. Izmantošana tiek apmaksāta no iepriekš nopirkto kredītu; 1 kredīts = 0,01 $.

Kādus iestatījumus atbalsta Molmo 7B?

Saskaņā ar tā ievades shēmu, Molmo 7B pazīst šos parametrus: prompt (līdz 16 000 rakstzīmēm), image_url un max_tokens (1 līdz 4096).

Cik ātrs ir Molmo 7B?

Railwail platformā Molmo 7B vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai Molmo 7B ir labāks par BLIP?

Tas ir atkarīgs no uzdevuma. Molmo 7B (Community) un BLIP (Salesforce) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt Molmo 7B un BLIP

Vai Molmo 7B var apstrādāt attēlus?

Jā. Molmo 7B pieņem attēlus kā ievadi papildus tekstam.

08

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

    99 % lētāk uz vienību

    Salīdzināt Molmo 7B un BLIP
  • 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 $/palaidi

    10 % lētāk uz vienību

    Salīdzināt Molmo 7B un CLIP Interrogator
  • Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.

    ≈ 0,0050 $/palaidi

    90 % lētāk uz vienību

    Salīdzināt Molmo 7B un Depth Anything v2

Visi modeļi caur vienu API

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