DeepSeek-VL 7B
deepseek-vl-7bDeepSeek-VL 7B chat model. Vision-language model with hybrid vision encoder and strong real-world visual question answering performance.
- Цена
- ≈ 0,0086 US$/извршување
- Контекст
- 4.096 токени
- Макс. излез
- 2.048 токени
- Влез → излез
- Текст + Слика → Текст
- Развивач
- DeepSeek
- Ажурирано
- 23 септември 2026 г.
Playground
Пробајте DeepSeek-VL 7B
Нема форма за влез
За овој модел сè уште нема форма за влез
Неговите влезови сè уште не се документирани. За да не пропадне извршување поради погрешен влез, не нудиме форма овде. Наместо тоа, изберете сличен модел.
Examples
InputPrompt
Describe each stage of this image
Response
The image depicts a three-stage process for training a vision-language model. 1. Stage 1: Training VL Adapter: In this stage, a vision-language adapter is trained using supervised fine-tuning. The adapter is trained on image-text pairs and pure language sequences. 2. Stage 2: Joint VL Pre-training: In this stage, a joint vision-language model is pre-trained using self-supervised learning. The model is trained on image-text pairs and pure language sequences. 3. Stage 3: Supervised Fine-tuning: In this stage, the model is fine-tuned on supervised tasks using image-text pairs and pure language sequences. The model is trained using a hybrid vision-language adapter, which combines a vision-language adapter with a language model. The model is trained on a variety of tasks, including image captioning, visual question answering, and visual reasoning. The model is able to understand the visual content of an image and generate a natural language description or answer.
InputPrompt
Describe this image
Response
The image you've provided is a meme featuring a French Bulldog lying on its side on a blue wooden floor. The dog's head is resting on its paws, and it appears to be sleeping. The meme has a text overlay that reads "MONDAY. JUST...MONDAY." This suggests that the meme is making a humorous comment about the start of the work week. The dog's relaxed posture and the text overlay together create a light-hearted and relatable message.
За DeepSeek-VL 7B
DeepSeek-VL 7B е модел од DeepSeek во категоријата Мултимодален. На Railwail, DeepSeek-VL 7B чини ≈ 0,0086 US$ по извршување. Контекстниот прозорец содржи 4.096 токени, а еден одговор може да биде до 2.048 токени долг.
Цени
| Типично извршување (≈ 7 s на L40S) | 0,0086 US$ по извршување |
|---|---|
| GPU време (L40S) | 0,00117 US$ по GPU секунда |
- Се наплаќува според GPU времето што извршувањето всушност го потребува. Кога извршувањето почнува, 3× типичната цена се резервира од вашиот салдо и се пресметува потоа.
- 1 кредит = 0,01 US$
Калкулатор за трошоци
Калкулатор за цена
Типично според добавувачот: околу 7,3 s
Вкупно
0,86 US$
86 кредити
По извршување
0,0086 US$ · 0,86 кредити
Наплачено е вистинското GPU време; ова е проценка.
API
Нема потврден API пример
Јавниот API пренесува различен формат на влез отколку што овој модел има потреба. Користете го игралиштето погоре.
Спецификации
- ID на моделот
deepseek-vl-7b- Развивач
- DeepSeek
- Категорија
- Мултимодален
- Влез
- Текст, Слика
- Излез
- Текст
- Контекстен прозорец
- 4.096 токени
- Макс. излез
- 2.048 токени
- Наплата
- По употреба (токени или GPU време)
- Каталошка ставка ажурирана
- 23 септември 2026 г.
Ознаки
- replicate
- multimodal
- vision-understanding
- deepseek
- open-weights
Често поставувани прашања
Што е DeepSeek-VL 7B?
DeepSeek-VL 7B е модел од DeepSeek во категоријата Мултимодален.
Колку чини DeepSeek-VL 7B на Railwail?
На Railwail, DeepSeek-VL 7B чини ≈ 0,0086 US$ по извршување. Се наплаќува за она што секој барање всушност користи. Употребата се плаќа од подготвени кредити; 1 кредит е еднаков на 0,01 US$.
Колку е контекстниот прозорец на DeepSeek-VL 7B?
Контекстниот прозорец на DeepSeek-VL 7B содржи 4.096 токени. Еден одговор може да биде до 2.048 токени долг.
Колку брз е DeepSeek-VL 7B?
Нема доволно измерени извршувања на DeepSeek-VL 7B на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.
Дали DeepSeek-VL 7B е подобар од BLIP?
Зависи од задачата. DeepSeek-VL 7B (DeepSeek) и BLIP (Salesforce) се обата модели во категоријата Мултимодален. Страницата за споредба ги покажува нивните цени и спецификации една до друга.
Спореди DeepSeek-VL 7B и BLIPМоже ли DeepSeek-VL 7B да обработува слики?
Да. DeepSeek-VL 7B прифаќа слики како влез покрај текстот.
Слични модели
Сите во оваа категорија- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Сите модели преку една API
Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.