Gemini 1.5 Pro (vision)

MultimodalniPovučenoNije dostupno

od 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.

Pogledaj alternative Usporedi

Status: Nije dostupno
Kontekst: 2.097.152 tokena
Maks. izlaz: 8.192 tokena
Ulaz → izlaz: Tekst + Slika + Audio + Video → Tekst
Razvojni inženjer: Google DeepMind
Ažurirano: 23. septembar 2026.

Gemini 1.5 Pro (vision) trenutno nije dostupan

Možeš i dalje pročitati detalje na ovoj stranici. Odaberi jednu od dostupnih alternativa ispod kako bi odmah pokrenuo usporediv model.

Idi na alternative

Pružatelj je povukao ovaj model.

Usporedivi modeli

Svi u ovoj kategoriji

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 US$/pokretanje
Usporedi Gemini 1.5 Pro (vision) i BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 US$/1M in
Usporedi Gemini 1.5 Pro (vision) i 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 US$/1M in
Usporedi Gemini 1.5 Pro (vision) i Claude Sonnet 4.6

Playground

Isprobaj Gemini 1.5 Pro (vision)

Razgovor

Trenutno nije dostupno

Trenutno nedostupno.

Playground je onemogućen. Usporedive modele možete pronaći u istoj kategoriji: Pogledaj alternative

Pošalji poruku. Odgovor stigne u cijelosti kada je model gotov (bez streaminga).

Maks. duljina odgovora (tokeni)

TemperaturaZadana vrijednost modela

⌘/Ctrl + Enter

Ovaj pokus

Nema cijene – trenutno nije dostupno.

Novi si ovdje?

10 besplatnih kredita (0,10 US$) kada se registriraš s Googlom

Dostupno 24 sati nakon registracije, do 5 pokusa dnevno i najviše 2 kredita po pokusu. Ostale metode prijave počinju bez kredita.

O Gemini 1.5 Pro (vision)

UkratkoStanje: 23. septembar 2026.

Gemini 1.5 Pro (vision) je model od Google DeepMind iz kategorije Multimodalni. Gemini 1.5 Pro (vision) trenutno nije dostupan na Railwailu. Kontekstni prozor sadrži 2.097.152 tokena, a jedan odgovor može biti dugačak do 8.192 tokena.

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.

Cijene

Trenutno nedostupno. Za ovaj model trenutno nema cijene, pa se ne može pokrenuti.

API

Pozovi Gemini 1.5 Pro (vision) sa svojim Railwail API ključem. Koristi ovaj ID modela u zahtjevu:

gemini-1-5-pro-visionPogledaj API dokumentaciju Dobij API ključ

Trenutno nije dostupno

Model nema provjeren cijenu ili je deaktiviran; API pozivi se odbijaju.

Specifikacije

ID modela: gemini-1-5-pro-vision
Razvojni inženjer: Google DeepMind
Kategorija: Multimodalni
Ulaz: Tekst, Slika, Audio, Video
Izlaz: Tekst
Kontekstni prozor: 2.097.152 tokena
Maks. izlaz: 8.192 tokena
Životni ciklus: Povučeno
Katalog ažuriran: 23. septembar 2026.

Parametri ulaza

Ulazi i postavke iz sheme ulaza modela. Primjer u odjeljku API pokazuje koje od njih API prihvaća.

ParametarTipZadanoDozvoljene vrijednosti

promptobavezno
Question or instruction about the media
Tip: Tekst
Zadano: –
Dozvoljene vrijednosti: do 32.000 znakova
top_p
Tip: Broj
Zadano: 0.95
Dozvoljene vrijednosti: 0 do 1
stream
Tip: Da/Ne
Zadano: false
Dozvoljene vrijednosti: –
image_url
Image, PDF or video URL to analyze
Tip: Tekst
Zadano: –
Dozvoljene vrijednosti: –
max_tokens
Tip: Cijeli broj
Zadano: 2048
Dozvoljene vrijednosti: 1 do 8.192
temperature
Tip: Broj
Zadano: 1
Dozvoljene vrijednosti: 0 do 2
system_prompt
Optional system instruction
Tip: Tekst
Zadano: –
Dozvoljene vrijednosti: do 8.000 znakova

Oznake

google
gemini
vision
multimodal
long-context
video-understanding

Često postavljana pitanja

Što je Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) je model od Google DeepMind iz kategorije Multimodalni. Naveden je na Railwailu, ali se trenutno ne može pokrenuti.

Koliko stoji Gemini 1.5 Pro (vision) na Railwailu?

Gemini 1.5 Pro (vision) se trenutno ne može pokrenuti na Railwailu, pa nema trenutne cijene. Dostupne alternative s cijenama navedene su dalje na ovoj stranici.

Koliki je kontekstni prozor od Gemini 1.5 Pro (vision)?

Kontekstni prozor od Gemini 1.5 Pro (vision) sadrži 2.097.152 tokena. Jedan odgovor može biti dugačak do 8.192 tokena.

Koliko je brz Gemini 1.5 Pro (vision)?

Za Gemini 1.5 Pro (vision) na Railwailu još nema dovoljno izmjerenih pokretanja da bi se navedlo vrijeme izvršavanja. Ovisi o unošenju, postavkama i opterećenju kod pružatelja.

Je li Gemini 1.5 Pro (vision) bolji od BLIP?

To ovisi o zadatku. Gemini 1.5 Pro (vision) (Google DeepMind) i BLIP (Salesforce) su oba modela iz kategorije Multimodalni. Stranica za usporedbu prikazuje njihove cijene i specifikacije usporedno.

Usporedi Gemini 1.5 Pro (vision) i BLIP

Može li Gemini 1.5 Pro (vision) obraditi slike?

Da. Gemini 1.5 Pro (vision) prihvaća slike kao unos osim teksta.

Mogu li koristiti Gemini 1.5 Pro (vision) sada?

Trenutno nedostupno. Stranica ostaje dostupna; dostupne alternative iz iste kategorije navedene su dalje.

Svi modeli preko jednog API-ja

Jedan API ključ za sve modele na Railwailu. Korištenje se naplaćuje iz unaprijed plaćenih kredita, 1 kredit = 0,01 US$.

Dobij API ključ Pogledaj sve modele