Gemini 1.5 Pro (vision)

МултимодаленПовлеченоНедостапно

од 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.

Погледни алтернативи Спореди

Статус: Недостапно
Контекст: 2.097.152 токени
Макс. излез: 8.192 токени
Влез → излез: Текст + Слика + Аудио + Видео → Текст
Развивач: Google DeepMind
Ажурирано: 23 септември 2026 г.

Gemini 1.5 Pro (vision) е моментално недостапен

Можете да ги прочитате деталите на оваа страница. Изберете една од достапните алтернативи подолу за да извршите споредлив модел веднаш.

Оди на алтернативи

Добавувачот го повлече овој модел.

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.
≈ 0,00030 US$/извршување
Споредете Gemini 1.5 Pro (vision) и BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 US$/1M вл
Споредете Gemini 1.5 Pro (vision) и 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 вл
Споредете Gemini 1.5 Pro (vision) и Claude Sonnet 4.6

Playground

Пробајте Gemini 1.5 Pro (vision)

Разговор

Тренутно недостапно

Моментално недостапно.

Игралиштето е оневозможено. Слични модели можете да најдете во иста категорија: Погледни алтернативи

Испрати порака. Одговорот пристигнува целосно кога моделот е готов (без стриминг).

Макс. должина на одговор (токени)

ТемператураСтандард на модел

⌘/Ctrl + Enter

Овој тек

Нема цена – моментално недостапно.

Нов си овде?

10 бесплатни кредити (0,10 US$) кога ќе се регистрираш со Google

Употребливо 24 часа по регистрација, до 5 текови по ден и максимално 2 кредити по тек. Други методи на пријава почнуваат без кредити.

За Gemini 1.5 Pro (vision)

НакраткоОд 23 септември 2026 г.

Gemini 1.5 Pro (vision) е модел од Google DeepMind во категоријата Мултимодален. Gemini 1.5 Pro (vision) моментално не е достапен на Railwail. Контекстниот прозорец содржи 2.097.152 токени, а еден одговор може да биде до 8.192 токени долг.

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.

Цени

Моментално недостапно. Нема цена за овој модел во моментот, затоа не може да се извршува.

API

Повикајте го Gemini 1.5 Pro (vision) со вашиот Railwail API клуч. Користете го овој ID на моделот во барањето:

gemini-1-5-pro-visionПогледни API документација Добијте API клуч

Моментално недостапно

Моделот нема потврдена цена или е деактивиран; API повиците се отфрлаат.

Спецификации

ID на моделот: gemini-1-5-pro-vision
Развивач: Google DeepMind
Категорија: Мултимодален
Влез: Текст, Слика, Аудио, Видео
Излез: Текст
Контекстен прозорец: 2.097.152 токени
Макс. излез: 8.192 токени
Животен циклус: Повлечено
Каталошка ставка ажурирана: 23 септември 2026 г.

Параметри на влез

Влезови и поставки од шемата на влез на моделот. Примерот во делот API покажува кои од нив ги прифаќа API.

ПараметарТипСтандардноДозволени вредности

promptзадолжително
Question or instruction about the media
Тип: Текст
Стандардно: –
Дозволени вредности: до 32.000 знаци
top_p
Тип: Број
Стандардно: 0.95
Дозволени вредности: 0 до 1
stream
Тип: Да/Не
Стандардно: false
Дозволени вредности: –
image_url
Image, PDF or video URL to analyze
Тип: Текст
Стандардно: –
Дозволени вредности: –
max_tokens
Тип: Целина
Стандардно: 2048
Дозволени вредности: 1 до 8.192
temperature
Тип: Број
Стандардно: 1
Дозволени вредности: 0 до 2
system_prompt
Optional system instruction
Тип: Текст
Стандардно: –
Дозволени вредности: до 8.000 знаци

Ознаки

google
gemini
vision
multimodal
long-context
video-understanding

Често поставувани прашања

Што е Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) е модел од Google DeepMind во категоријата Мултимодален. Наведено е на Railwail, но не може да се извршува во моментов.

Колку чини Gemini 1.5 Pro (vision) на Railwail?

Gemini 1.5 Pro (vision) не може да се извршува на Railwail во моментов, затоа нема тековна цена. Достапни алтернативи со цени се наведени подолу на оваа страница.

Колку е контекстниот прозорец на Gemini 1.5 Pro (vision)?

Контекстниот прозорец на Gemini 1.5 Pro (vision) содржи 2.097.152 токени. Еден одговор може да биде до 8.192 токени долг.

Колку брз е Gemini 1.5 Pro (vision)?

Нема доволно измерени извршувања на Gemini 1.5 Pro (vision) на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.

Дали Gemini 1.5 Pro (vision) е подобар од BLIP?

Зависи од задачата. Gemini 1.5 Pro (vision) (Google DeepMind) и BLIP (Salesforce) се обата модели во категоријата Мултимодален. Страницата за споредба ги покажува нивните цени и спецификации една до друга.

Спореди Gemini 1.5 Pro (vision) и BLIP

Може ли Gemini 1.5 Pro (vision) да обработува слики?

Да. Gemini 1.5 Pro (vision) прифаќа слики како влез покрај текстот.

Можам ли да го користам Gemini 1.5 Pro (vision) сега?

Моментално недостапно. Страницата останува онлајн; достапни алтернативи од иста категорија се наведени подолу.

Сите модели преку една API

Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.

Добијте API клуч Погледни ги сите модели