CogVLM2 19B
cogvlm2-19bTsinghua CogVLM2 19B with Llama-3 8B base plus 11B vision expert. Strong document understanding and visual reasoning, 8k context.
- Pris
- ≈ 0,0114 US$/körning
- Kontext
- 8 192 tokens
- Max. utdata
- 2 048 tokens
- Inmatning → utmatning
- Text + Bild → Text
- Utvecklare
- Community
- Uppdaterad
- 23 september 2026
Playground
Prova CogVLM2 19B
Ingen inmatningsformulär
Ingen inmatningsformulär för denna modell än
Dess inmatningar är ännu inte dokumenterade. För att ingen körning ska misslyckas på grund av felaktig inmatning erbjuder vi ingen formulär här. Välj istället en jämförbar modell.
Examples
InputPrompt
Describe this image.
Response
The image captures a well-lit, modern library or bookstore with a distinct industrial aesthetic. The main focus is a large, wooden bookshelf filled with an assortment of books, creating a warm and inviting atmosphere. The bookshelf is positioned against a rustic brick wall, which adds a touch of vintage charm to the space. The room is illuminated by hanging light bulbs, which dangle from the ceiling in a casual manner. There are also decorative elements such as a potted plant, a small framed sign, and a table with various items on it, enhancing the cozy ambiance. A person is seated at a desk in the foreground, suggesting the space is functional for reading or studying.
Om CogVLM2 19B
CogVLM2 19B är en modell av Community i kategorin Multimodal. På Railwail kostar CogVLM2 19B ≈ 0,0114 US$ per körning. Kontextfönstret innehåller 8 192 tokens, och ett svar kan vara upp till 2 048 tokens långt.
Priser
| Typisk körning (≈ 10 s på L40S) | 0,0114 US$ per körning |
|---|---|
| GPU-tid (L40S) | 0,00117 US$ per GPU-sekund |
- Faktureras enligt den GPU-tid som körningen faktiskt tar. När körningen startar reserveras 3× det typiska priset från ditt saldo och regleras efteråt.
- 1 kredit = 0,01 US$
Kostnadsräknare
Prisräknare
Typisk enligt leverantören: ca 9,7 s
Totalt
1,14 US$
114 krediter
Per körning
0,0114 US$ · 1,14 krediter
Faktureras enligt faktisk GPU-tid; detta är en uppskattning.
API
Inget verifierat API-exempel
Det offentliga API:et skickar ett annat inmatningsformat än vad denna modell behöver. Använd lekplatsen ovan.
Specifikationer
- Modell-ID
cogvlm2-19b- Utvecklare
- Community
- Kategori
- Multimodal
- Inmatning
- Text, Bild
- Utmatning
- Text
- Kontextfönster
- 8 192 tokens
- Max. utmatning
- 2 048 tokens
- Fakturering
- Efter användning (tokens eller GPU-tid)
- Kataloginlägg uppdaterat
- 23 september 2026
Taggar
- replicate
- multimodal
- vision-understanding
- tsinghua
- open-weights
Vanliga frågor
Vad är CogVLM2 19B?
CogVLM2 19B är en modell av Community i kategorin Multimodal.
Vad kostar CogVLM2 19B på Railwail?
På Railwail kostar CogVLM2 19B ≈ 0,0114 US$ per körning. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.
Hur stort är kontextfönstret för CogVLM2 19B?
Kontextfönstret för CogVLM2 19B innehåller 8 192 tokens. Ett svar kan vara upp till 2 048 tokens långt.
Hur snabb är CogVLM2 19B?
Det finns ännu inte tillräckligt många uppmätta körningar av CogVLM2 19B på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.
Är CogVLM2 19B bättre än BLIP?
Det beror på uppgiften. CogVLM2 19B (Community) och BLIP (Salesforce) är båda modeller i kategorin Multimodal. Jämförelsesidan visar deras priser och specifikationer sida vid sida.
Jämför CogVLM2 19B och BLIPKan CogVLM2 19B bearbeta bilder?
Ja. CogVLM2 19B accepterar bilder som inmatning utöver text.
Jämförbara modeller
Alla i denna kategori- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Alla modeller via ett API
En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.