LLaVA 1.6 Vicuna 13B
llava-1-6-vicuna-13bLLaVA 1.6 (LLaVA-NeXT) with a Vicuna-13B language backbone. Open vision-language chat model that describes images, answers questions, reads charts and reasons about scenes. Version 1.6 adds higher input resolution and better OCR and reasoning than LLaVA 1.5.
- Pris
- ≈ 0,1021 USD/kjøring
- Kontekst
- 4Â 096 tokens
- Maks. utdata
- 1Â 024 tokens
- Input → output
- Tekst + Bilde → Tekst
- Utvikler
- Community
- Oppdatert
- 23. september 2026
Playground
Prøv LLaVA 1.6 Vicuna 13B
Inndata og resultat
Denne kjøringen
ca. 0,1021 USD · 10,21 credits
0,3061Â USD (30,61 credits) reserveres ved start; faktisk GPU-tid faktureres.
For kontoer uten tidligere kjøp: kjøringer over 2 credits trenger påfyll.
Ny her?
10 gratis credits (0,10 USD) når du registrerer deg med Google
Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits.
Examples
InputPrompt
What should I take into account when visiting this place?
Response
When visiting a place like the one shown in the image, which appears to be a serene lake with a dock and surrounded by mountains and forests, you should consider the following: 1. **Weather Conditions**: Be prepared for the local weather. It can change rapidly, especially in mountainous areas, so check the forecast and dress in layers. 2. **Safety**: If you plan to go on the water, make sure you have a life jacket and know how to swim. If you're not a strong swimmer, consider wearing a life jacket even if you're just walking along the shore. 3. **Wildlife**: Be aware of the local wildlife and maintain a safe distance. Do not feed the animals, as this can disrupt their natural behavior and diet. 4. **Leave No Trace**: Respect the environment by not littering and by staying on designated paths or trails. 5. **Emergency Preparedness**: Have a first aid kit and know basic first aid. It's also a good idea to have a way to contact emergency services if needed. 6. **Navigation**: If you're going into the woods or on the water, have a map or GPS device and know how to use it. 7. **Hydration and Nutrition**: Bring enough water and food for your visit, especially if you'll be active. 8. **Clothing and Gear**: Wear appropriate clothing for the weather and activities you plan to do. Bring sturdy footwear if you plan to hike or walk on uneven terrain. 9. **Local Regulations**: Follow any posted rules or regulations, which might include fishing regulations, fire restrictions, or…
InputPrompt
What is unusual about this image?
Response
The image shows a person ironing clothes on the back of a moving vehicle, which is an unusual and potentially dangerous activity. Ironing clothes while a vehicle is in motion can be hazardous for the person doing the ironing as well as for other road users. The person is at risk of losing balance and falling off the vehicle, which could result in serious injury. Additionally, the iron could potentially cause a fire or damage to the vehicle or its surroundings if it overheats or malfunctions. This scene is not a safe or typical way to iron clothes and is likely staged for comedic or dramatic effect.
Om LLaVA 1.6 Vicuna 13B
LLaVA 1.6 Vicuna 13B er en modell fra Community i kategorien Multimodal. På Railwail koster LLaVA 1.6 Vicuna 13B ≈ 0,1021 USD per kjøring. Kontekstvinduet inneholder 4 096 tokens, og ett svar kan være opptil 1 024 tokens langt.
Priser
| Typisk kjøring (≈ 87 s på L40S) | 0,1021 USD per kjøring |
|---|---|
| GPU-tid (L40S) | 0,00117Â USD per GPU-sekund |
- Faktureres etter GPU-tiden kjøringen faktisk tar. Når kjøringen starter, blir 3× den typiske prisen reservert fra saldoen din og gjort opp etterpå.
- 1 kreditt = 0,01Â USD
Kostnadsberegner
Prisberegner
Typisk ifølge leverandøren: ca. 87,2 s
Totalt
10,21Â USD
1Â 021 credits
Per kjøring
0,1021 USD · 10,21 credits
Fakturert etter faktisk GPU-tid; dette er et estimat.
API
Ingen verifisert API-eksempel
Det offentlige API-et sender et annet inngangsformat enn det denne modellen trenger. Bruk lekeplassen ovenfor.
Spesifikasjoner
- Modell-ID
llava-1-6-vicuna-13b- Utvikler
- Community
- Kategori
- Multimodal
- Inndata
- Tekst, Bilde
- Utdata
- Tekst
- Kontekstvindu
- 4Â 096 tokens
- Maks. utdata
- 1Â 024 tokens
- Fakturering
- Etter bruk (tokens eller GPU-tid)
- Katalogoppføring oppdatert
- 23. september 2026
Inndataparametere
Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.
imageobligatoriskImage to analyze
Type: TekstStandard: –Tillatte verdier: –promptobligatoriskQuestion or instruction about the image
Type: TekstStandard:Describe this image in detail.Tillatte verdier: opptil 4Â 000 tegntop_pType: TallStandard:1Tillatte verdier: 0 til 1max_tokensType: HeltallStandard:512Tillatte verdier: 1 til 1Â 024temperatureType: TallStandard:0.2Tillatte verdier: 0 til 2
Merkelapper
- replicate
- llava
- captioning
- vqa
- vision-understanding
- open-weights
- image
Ofte stilte spørsmål
Hva er LLaVA 1.6 Vicuna 13B?
LLaVA 1.6 Vicuna 13B er en modell fra Community i kategorien Multimodal.
Hvor mye koster LLaVA 1.6 Vicuna 13B på Railwail?
På Railwail koster LLaVA 1.6 Vicuna 13B ≈ 0,1021 USD per kjøring. Du betaler for det hver forespørsel faktisk bruker. Bruk betales fra forhåndskjøpte kreditter; 1 kreditt tilsvarer 0,01 USD.
Hvor stort er kontekstvinduet til LLaVA 1.6 Vicuna 13B?
Kontekstvinduet til LLaVA 1.6 Vicuna 13B inneholder 4 096 tokens. Ett svar kan være opptil 1 024 tokens langt.
Hvor rask er LLaVA 1.6 Vicuna 13B?
Det finnes ennå ikke nok målte kjøringer av LLaVA 1.6 Vicuna 13B på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.
Er LLaVA 1.6 Vicuna 13B bedre enn BLIP?
Det avhenger av oppgaven. LLaVA 1.6 Vicuna 13B (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.
Sammenlign LLaVA 1.6 Vicuna 13B og BLIPKan LLaVA 1.6 Vicuna 13B behandle bilder?
Ja. LLaVA 1.6 Vicuna 13B godtar bilder som inndata i tillegg til tekst.
Sammenlignbare modeller
Alle i denne kategorien- 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.
≈ 0,0457 USD/kjøring
55 % billigere per enhet
Sammenlign LLaVA 1.6 Vicuna 13B og CLIP Interrogator - Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
≈ 0,0050 USD/kjøring
95 % billigere per enhet
Sammenlign LLaVA 1.6 Vicuna 13B og Depth Anything v2
Alle modeller gjennom én API
Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.