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.
- Цена
- ≈ 0,0024 US$/извршување
- Влез → излез
- Текст + Слика + Видео → Текст
- Развивач
- Community
- Ажурирано
- 23 септември 2026 г.
Playground
Пробајте Qwen2-VL 7B Instruct
Влез и резултат
Овој тек
приблизно 0,0024 US$ · 0,24 кредити
0,0072 US$ (0,72 кредити) се резервирани на почетокот; вистинското GPU време се наплачува.
Нов си овде?
10 бесплатни кредити (0,10 US$) кога ќе се регистрираш со Google
Употребливо 24 часа по регистрација, до 5 текови по ден и максимално 2 кредити по тек. Други методи на пријава почнуваат без кредити. Доволно за 13 извршувања на овој модел.
Examples
Prompt
Describe this video in detail.
Response
The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.
Prompt
Describe this in detail.
Response
The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.
Prompt
Describe this in detail.
Response
The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.
За Qwen2-VL 7B Instruct
Qwen2-VL 7B Instruct е модел од Community во категоријата Мултимодален. На Railwail, Qwen2-VL 7B Instruct чини ≈ 0,0024 US$ по извршување.
Цени
| Типично извршување (≈ 2 s на L40S) | 0,0024 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 2,1 s
Вкупно
0,24 US$
24 кредити
По извршување
0,0024 US$ · 0,24 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
qwen2-vl-7b-instruct-rep- Развивач
- Community
- Категорија
- Мултимодален
- Влез
- Текст, Слика, Видео
- Излез
- Текст
- Наплата
- По употреба (токени или GPU време)
- 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.
promptзадолжителноQuestion about the image or video
Тип: ТекстСтандардно: –Дозволени вредности: до 16.000 знациimage_urlImage or video URL to analyze
Тип: ТекстСтандардно: –Дозволени вредности: –max_tokensТип: ЦелинаСтандардно:1024Дозволени вредности: 1 до 4.096temperatureТип: БројСтандардно:0.7Дозволени вредности: 0 до 2
Ознаки
- replicate
- qwen
- alibaba
- vision-understanding
- open-weights
- ocr
Често поставувани прашања
Што е Qwen2-VL 7B Instruct?
Qwen2-VL 7B Instruct е модел од Community во категоријата Мултимодален.
Колку чини Qwen2-VL 7B Instruct на Railwail?
На Railwail, Qwen2-VL 7B Instruct чини ≈ 0,0024 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$.
Кои поставки поддржува Qwen2-VL 7B Instruct?
Според неговата шема за влез, Qwen2-VL 7B Instruct ги познава овие параметри: prompt (до 16.000 знаци), image_url, max_tokens (1 до 4.096) и temperature (0 до 2).
Колку брз е Qwen2-VL 7B Instruct?
Нема доволно измерени извршувања на Qwen2-VL 7B Instruct на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.
Дали Qwen2-VL 7B Instruct е подобар од BLIP?
Зависи од задачата. Qwen2-VL 7B Instruct (Community) и BLIP (Salesforce) се обата модели во категоријата Мултимодален. Страницата за споредба ги покажува нивните цени и спецификации една до друга.
Спореди Qwen2-VL 7B Instruct и BLIPМоже ли Qwen2-VL 7B Instruct да обработува слики?
Да. Qwen2-VL 7B Instruct прифаќа слики како влез покрај текстот.
Слични модели
Сите во оваа категорија- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Сите модели преку една API
Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.