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.
- Pris
- ≈ 0,0024 USD/kjøring
- Input → output
- Tekst + Bilde + Video → Tekst
- Utvikler
- Community
- Oppdatert
- 23. september 2026
Playground
Prøv Qwen2-VL 7B Instruct
Inndata og resultat
Denne kjøringen
ca. 0,0024 USD · 0,24 credits
0,0072Â USD (0,72 credits) reserveres ved start; faktisk GPU-tid faktureres.
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. Nok for 13 kjøringer av denne modellen.
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.
Om Qwen2-VL 7B Instruct
Qwen2-VL 7B Instruct er en modell fra Community i kategorien Multimodal. På Railwail koster Qwen2-VL 7B Instruct ≈ 0,0024 USD per kjøring.
Priser
| Typisk kjøring (≈ 2 s på L40S) | 0,0024 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. 2,1 s
Totalt
0,24Â USD
24 credits
Per kjøring
0,0024 USD · 0,24 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
qwen2-vl-7b-instruct-rep- Utvikler
- Community
- Kategori
- Multimodal
- Inndata
- Tekst, Bilde, Video
- 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.
promptobligatoriskQuestion about the image or video
Type: TekstStandard: –Tillatte verdier: opptil 16 000 tegnimage_urlImage or video URL to analyze
Type: TekstStandard: –Tillatte verdier: –max_tokensType: HeltallStandard:1024Tillatte verdier: 1 til 4 096temperatureType: TallStandard:0.7Tillatte verdier: 0 til 2
Merkelapper
- replicate
- qwen
- alibaba
- vision-understanding
- open-weights
- ocr
Ofte stilte spørsmål
Hva er Qwen2-VL 7B Instruct?
Qwen2-VL 7B Instruct er en modell fra Community i kategorien Multimodal.
Hvor mye koster Qwen2-VL 7B Instruct på Railwail?
På Railwail koster Qwen2-VL 7B Instruct ≈ 0,0024 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 Qwen2-VL 7B Instruct?
I henhold til inndataskjemaet kjenner Qwen2-VL 7B Instruct disse parametrene: prompt (opptil 16Â 000 tegn), image_url, max_tokens (1 til 4Â 096) og temperature (0 til 2).
Hvor rask er Qwen2-VL 7B Instruct?
Det finnes ennå ikke nok målte kjøringer av Qwen2-VL 7B Instruct på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.
Er Qwen2-VL 7B Instruct bedre enn BLIP?
Det avhenger av oppgaven. Qwen2-VL 7B Instruct (Community) og BLIP (Salesforce) er begge modeller i kategorien Multimodal. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.
Sammenlign Qwen2-VL 7B Instruct og BLIPKan Qwen2-VL 7B Instruct behandle bilder?
Ja. Qwen2-VL 7B Instruct 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
1Â 804 % dyrere per enhet
Sammenlign Qwen2-VL 7B Instruct 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.
Alle modeller gjennom én API
Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.