Qwen2-VL 7B Instruct
qwen2-vl-7b-instruct-repAlibaba 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.
- Cena
- ≈ 0,0024 $/palaidi
- Ievade → Izvade
- Teksts + Attēls + Video → Teksts
- Izstrādātājs
- Community
- Atjaunināts
- 2026. gada 23. septembris
Spēļu laukums
Izmēģiniet Qwen2-VL 7B Instruct
Ievade un rezultāts
Šis palaišanas gadījums
apmēram 0,0024 $ · 0,24 kredīti
Sākumā tiek rezervēti 0,0072 $ (0,72 kredīti); tiek norēķināts faktiskais GPU laiks.
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. Pietiek 13 šī modeļa palaišanām.
Examples
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.
Par Qwen2-VL 7B Instruct
Qwen2-VL 7B Instruct ir Community modelis kategorijā Multimodāls. Railwail platformā Qwen2-VL 7B Instruct maksā ≈ 0,0024 $ par palaidi.
Cenas
| Tipisks palaidi (≈ 2 s uz L40S) | 0,0024 $ 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
Tipiski pēc sniedzēja: aptuveni 2,1 s
Kopā
0,24 $
24 kredīti
Uz palaišanu
0,0024 $ · 0,24 kredīti
Norēķins pēc faktiskā GPU laika; šī ir aprēķins.
API
Nav pārbaudīta API piemēra
Publiskā API nodod citu ievades formātu, nekā nepieciešams šim modelim. Izmantojiet smilšu kasti iepriekš.
Specifikācijas
- Modeļa ID
qwen2-vl-7b-instruct-rep- Izstrādātājs
- Community
- Kategorija
- Multimodāls
- Ievade
- Teksts, Attēls, Video
- 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.
promptobligātsQuestion about the image or video
Tips: TekstsNoklusējums: –Atļautās vērtības: līdz 16 000 rakstzīmēmimage_urlImage or video URL to analyze
Tips: TekstsNoklusējums: –Atļautās vērtības: –max_tokensTips: Vesels skaitlisNoklusējums:1024Atļautās vērtības: 1 līdz 4096temperatureTips: SkaitlisNoklusējums:0.7Atļautās vērtības: 0 līdz 2
Tagi
- replicate
- qwen
- alibaba
- vision-understanding
- open-weights
- ocr
Bieži uzdotie jautājumi
Kas ir Qwen2-VL 7B Instruct?
Qwen2-VL 7B Instruct ir Community izstrādāts modelis Multimodāls kategorijā.
Cik maksā Qwen2-VL 7B Instruct Railwail?
Railwail platformā Qwen2-VL 7B Instruct maksā ≈ 0,0024 $ 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 Qwen2-VL 7B Instruct?
Saskaņā ar tā ievades shēmu, Qwen2-VL 7B Instruct pazīst šos parametrus: prompt (līdz 16 000 rakstzīmēm), image_url, max_tokens (1 līdz 4096) un temperature (0 līdz 2).
Cik ātrs ir Qwen2-VL 7B Instruct?
Railwail platformā Qwen2-VL 7B Instruct vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.
Vai Qwen2-VL 7B Instruct ir labāks par BLIP?
Tas ir atkarīgs no uzdevuma. Qwen2-VL 7B Instruct (Community) un BLIP (Salesforce) ir abi modeļi Multimodāls kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.
Salīdzināt Qwen2-VL 7B Instruct un BLIPVai Qwen2-VL 7B Instruct var apstrādāt attēlus?
Jā. Qwen2-VL 7B Instruct pieņem attēlus kā ievadi papildus tekstam.
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.
- 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 modeļi caur vienu API
Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.