Railwail
Zaloguj się

Qwen2-VL 7B Instruct

MultimodalneDostępne
od CommunityID modelu: qwen2-vl-7b-instruct-rep

Alibaba 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.

WypróbujUzyskaj klucz APIPorównaj
Cena
≈ 0,0024 USD/uruchomienie
Wejście → Wyjście
Tekst + Obraz + Wideo → Tekst
Deweloper
Community
Zaktualizowano
23 września 2026
01

Playground

Spróbuj Qwen2-VL 7B Instruct

Wejście i wyjście

≈ 0,0024 USD/uruchomienie
Spróbuj Qwen2-VL 7B Instruct

0 / 16 000

Ustawienia zaawansowane (2)
Wynik
Odpowiedź pojawi się tutaj.

To uruchomienie

ok. 0,0024 USD · 0,24 kredytów

Na początek rezerwowane jest 0,0072 USD (0,72 kredytów); rozliczana jest rzeczywista czas GPU.

Nowy tutaj?

10 darmowych kredytów (0,10 USD) po zarejestrowaniu się przez Google

Dostępne 24 godzin po rejestracji, do 5 uruchomień dziennie i maksymalnie 2 kredytów na uruchomienie. Inne metody logowania uruchamiają się bez kredytów. Wystarczy na 13 uruchomień tego modelu.

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.

  • 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.

03

O Qwen2-VL 7B Instruct

Krótko mówiącStan na 23 września 2026

Qwen2-VL 7B Instruct to model opracowany przez Community w kategorii Multimodalne. W serwisie Railwail Qwen2-VL 7B Instruct kosztuje ≈ 0,0024 USD za uruchomienie.

Qwen2-VL 7B Instruct is Alibaba's open-weights vision-language model packaged as a Replicate endpoint. It accepts an image (or video) plus a text prompt and answers questions, describes scenes, reads text in images and extracts structured data. Naive dynamic resolution and M-RoPE let it handle varied aspect ratios and longer visual inputs. A good self-hostable alternative to hosted VLMs for OCR and document tasks.
04

Ceny

Ceny w dolarach amerykańskich. Użycie jest rozliczane z prepłaconych kredytów.
Typowe uruchomienie (≈ 2 s na L40S)0,0024 USD za uruchomienie
Czas GPU (L40S)0,00117 USD za sekundę GPU
  • Rozliczane są czasy GPU, które przebieg faktycznie zajmuje. Po uruchomieniu przebiegu 3× typowej ceny jest rezerwowane z Twojego salda i rozliczane później.
  • 1 kredyt = 0,01 USD

Kalkulator kosztów

Kalkulator cen

s

Typowo według dostawcy: ok. 2,1 s

Razem

0,24 USD

24 kredytów

Za uruchomienie

0,0024 USD · 0,24 kredytów

Rozliczane są rzeczywiste sekundy GPU; wartość jest szacunkiem.

05

API

Wywołaj Qwen2-VL 7B Instruct za pomocą klucza API Railwail. Użyj tego ID modelu w żądaniu:
qwen2-vl-7b-instruct-repDokumentacja APIUzyskaj klucz API

Brak zweryfikowanego przykładu API

Publiczny API przekazuje inny format wejściowy niż wymaga ten model. Użyj placu zabaw powyżej.

06

Specyfikacje

ID modelu
qwen2-vl-7b-instruct-rep
Deweloper
Community
Kategoria
Multimodalne
Wejście
Tekst, Obraz, Wideo
Wyjście
Tekst
Rozliczenie
Według użycia (tokeny lub czas GPU)
Wpis w katalogu zaktualizowany
23 września 2026

Parametry wejściowe

Dane wejściowe i ustawienia ze schematu wejściowego modelu. Przykład w sekcji API pokazuje, które z nich API akceptuje.

  • promptwymagane

    Question about the image or video

    Typ: Tekst
    Domyślnie: –
    Dozwolone wartości: do 16 000 znaków
  • image_url

    Image or video URL to analyze

    Typ: Tekst
    Domyślnie: –
    Dozwolone wartości: –
  • max_tokens
    Typ: Liczba całkowita
    Domyślnie: 1024
    Dozwolone wartości: 1 do 4096
  • temperature
    Typ: Liczba
    Domyślnie: 0.7
    Dozwolone wartości: 0 do 2

Tagi

  • replicate
  • qwen
  • alibaba
  • vision-understanding
  • open-weights
  • ocr
07

Często zadawane pytania

Co to jest Qwen2-VL 7B Instruct?

Qwen2-VL 7B Instruct to model opracowany przez Community w kategorii Multimodalne.

Ile kosztuje Qwen2-VL 7B Instruct w serwisie Railwail?

W serwisie Railwail Qwen2-VL 7B Instruct kosztuje ≈ 0,0024 USD za uruchomienie. Opłata jest pobierana za to, co faktycznie zużywa każde żądanie. Użycie jest opłacane z przedpłaconych kredytów; 1 kredyt równa się 0,01 USD.

Jakie ustawienia obsługuje Qwen2-VL 7B Instruct?

Zgodnie ze schematem wejściowym, Qwen2-VL 7B Instruct obsługuje te parametry: prompt (do 16 000 znaków), image_url, max_tokens (1 do 4096) i temperature (0 do 2).

Jak szybki jest Qwen2-VL 7B Instruct?

Dla Qwen2-VL 7B Instruct jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.

Czy Qwen2-VL 7B Instruct jest lepszy niż BLIP?

To zależy od zadania. Qwen2-VL 7B Instruct (Community) i BLIP (Salesforce) to oba modele z kategorii Multimodalne. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.

Porównaj Qwen2-VL 7B Instruct i BLIP

Czy Qwen2-VL 7B Instruct może przetwarzać obrazy?

Tak. Qwen2-VL 7B Instruct akceptuje obrazy jako wejście oprócz tekstu.

08

Porównywalne modele

Wszystkie w tej kategorii
  • 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/uruchomienie

    88 % taniej za jednostkę

    Porównaj Qwen2-VL 7B Instruct i BLIP
  • 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/uruchomienie

    1804 % drożej za jednostkę

    Porównaj Qwen2-VL 7B Instruct i 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/uruchomienie

    108 % drożej za jednostkę

    Porównaj Qwen2-VL 7B Instruct i Depth Anything v2

Wszystkie modele przez jedno API

Jeden klucz API dla każdego modelu na Railwail. Opłaty pobierane są z przedpłaconych kredytów, 1 kredyt = 0,01 USD.

Pobierz klucz APIPrzeglądaj wszystkie modele