Molmo 7B

MultimodalTilgjengelig
av CommunityModell-ID: molmo-7b

Allen AI Molmo 7B-D on Replicate. Open vision-language model trained on the PixMo data, notable for pointing at and locating objects in images, not just describing them.

Pris
≈ 0,0505 USD/kjøring
Input → output
Tekst + Bilde → Tekst
Utvikler
Community
Oppdatert
23. september 2026
01

Playground

Prøv Molmo 7B

Inndata og resultat

≈ 0,0505 USD/kjøring
Prøv Molmo 7B

0 / 16 000

Avanserte innstillinger (1)
Resultat
Svaret vises her.

Denne kjøringen

ca. 0,0505 USD · 5,05 credits

0,1513 USD (15,13 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.

02

Examples

Real outputs from the public examples of this model on Replicate, with the prompt and settings that produced them. They were not generated live on this page.
  • InputInput

    Prompt

    What do you see? Give me a detailed answer

    Response

    I see a charming scene featuring a large, fluffy white dog sitting on a wooden bench in the middle of a field. The dog appears to be a poodle mix, with curly fur covering its entire body. It's sitting upright with its front paws hanging over the edge of the bench, looking directly at the camera with a happy expression. The dog's tongue is hanging out, and its eyes are dark and expressive. The bench is made of dark brown wood with a lattice design on the backrest. It's positioned on a patch of brown, dead grass, which suggests it might be late fall or early winter. In the background, there's a vast field filled with tall, brown grass, and further back, I can see a line of bare trees against a light blue sky. The overall atmosphere is peaceful and serene. The dog seems to be enjoying its time outdoors, perhaps waiting for its owner or just taking in the scenery. The contrast between the white, fluffy dog and the brown

03

Om Molmo 7B

Kort sagtPer 23. september 2026

Molmo 7B er en modell fra Community i kategorien Multimodal. På Railwail koster Molmo 7B ≈ 0,0505 USD per kjøring.

Molmo 7B-D from Allen AI is an open vision-language model trained on the PixMo human-annotated dataset. Beyond captioning and visual question answering it can point to and localize specific objects in an image, returning coordinates, which is useful for grounding and agentic UI tasks. This Replicate endpoint takes an image plus a prompt and returns text answers or pointing outputs. Fully open weights and data.
04

Priser

Priser i amerikanske dollar. Bruk belastes fra forhåndsbetalt kreditt.
Typisk kjøring (≈ 43 s på L40S)0,0505 USD per kjøring
GPU-tid (L40S)0,00117 USD per GPU-sekund
  • Faktureres etter GPU-tiden kjøringen faktisk tar. NÃ¥r kjøringen starter, blir 3× den typiske prisen reservert fra saldoen din og gjort opp etterpÃ¥.
  • 1 kreditt = 0,01 USD

Kostnadsberegner

Prisberegner

s

Typisk ifølge leverandøren: ca. 43,1 s

Totalt

5,05 USD

505 credits

Per kjøring

0,0505 USD · 5,05 credits

Fakturert etter faktisk GPU-tid; dette er et estimat.

05

API

Ring Molmo 7B med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

Ingen verifisert API-eksempel

Det offentlige API-et sender et annet inngangsformat enn det denne modellen trenger. Bruk lekeplassen ovenfor.

06

Spesifikasjoner

Modell-ID
molmo-7b
Utvikler
Community
Kategori
Multimodal
Inndata
Tekst, Bilde
Utdata
Tekst
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.

  • promptobligatorisk

    Question about the image

    Type: Tekst
    Standard: –
    Tillatte verdier: opptil 16 000 tegn
  • image_url

    Image URL to analyze

    Type: Tekst
    Standard: –
    Tillatte verdier: –
  • max_tokens
    Type: Heltall
    Standard: 1024
    Tillatte verdier: 1 til 4 096

Merkelapper

  • replicate
  • allenai
  • molmo
  • vision-understanding
  • open-weights
  • grounding
07

Ofte stilte spørsmål

Hva er Molmo 7B?

Molmo 7B er en modell fra Community i kategorien Multimodal.

Hvor mye koster Molmo 7B på Railwail?

På Railwail koster Molmo 7B ≈ 0,0505 USD per kjøring. Du betaler for det hver forespørsel faktisk bruker. Bruk betales fra forhåndskjøpte kreditter; 1 kreditt tilsvarer 0,01 USD.

Hvilke innstillinger støtter Molmo 7B?

I henhold til inndataskjemaet kjenner Molmo 7B disse parametrene: prompt (opptil 16 000 tegn), image_url og max_tokens (1 til 4 096).

Hvor rask er Molmo 7B?

Det finnes ennå ikke nok målte kjøringer av Molmo 7B på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er Molmo 7B bedre enn BLIP?

Det avhenger av oppgaven. Molmo 7B (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign Molmo 7B og BLIP

Kan Molmo 7B behandle bilder?

Ja. Molmo 7B godtar bilder som inndata i tillegg til tekst.

08

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.

    ≈ 0,00030 USD/kjøring

    99 % billigere per enhet

    Sammenlign Molmo 7B og BLIP
  • 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

    10 % billigere per enhet

    Sammenlign Molmo 7B og CLIP Interrogator
  • 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

    90 % billigere per enhet

    Sammenlign Molmo 7B 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.