Gemini 1.5 Pro (vision)

MultimodalUtgåttInte tillgänglig

av Google DeepMindgemini-1-5-pro-vision

Google Gemini 1.5 Pro with native multimodal input. Reads images, long PDFs, audio and video in up to a 2M-token context, useful for whole-document and long-video understanding.

Se alternativ Jämför

Status: Inte tillgänglig
Kontext: 2 097 152 tokens
Max. utdata: 8 192 tokens
Inmatning → utmatning: Text + Bild + Audio + Video → Text
Utvecklare: Google DeepMind
Uppdaterad: 23 september 2026

Gemini 1.5 Pro (vision) är för närvarande otillgänglig

Du kan fortfarande läsa detaljerna på denna sida. Välj ett av de tillgängliga alternativen nedan för att köra en jämförbar modell direkt.

Gå till alternativ

Leverantören har slutat erbjuda denna modell.

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.
≈ 0,00030 US$/körning
Jämför Gemini 1.5 Pro (vision) och BLIP
Claude Opus 4.7Anthropic
Anthropic's April 2026 flagship. 87.6% on SWE-bench Verified, 3x higher image resolution, output self-verification, vision + reasoning.
6,00 US$/1M in
Jämför Gemini 1.5 Pro (vision) och Claude Opus 4.7
Claude Sonnet 4.6Anthropic
Anthropic's balanced mid-tier model from February 2026. Best price/performance for production workloads: 5x cheaper than Opus, near-flagship quality.
3,60 US$/1M in
Jämför Gemini 1.5 Pro (vision) och Claude Sonnet 4.6

Playground

Prova Gemini 1.5 Pro (vision)

Chatt

Inte tillgänglig för närvarande

Inte tillgänglig för närvarande.

Lekplatsen är inaktiverad. Du hittar jämförbara modeller i samma kategori: Visa alternativ

Skicka ett meddelande. Svaret kommer i sin helhet när modellen är klar (ingen streaming).

Max. svarslängd (tokens)

TemperaturModellstandard

⌘/Ctrl + Enter

Denna körning

Inget pris – för närvarande otillgängligt.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.

Om Gemini 1.5 Pro (vision)

Kort sagtFrån och med 23 september 2026

Gemini 1.5 Pro (vision) är en modell av Google DeepMind i kategorin Multimodal. Gemini 1.5 Pro (vision) är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 2 097 152 tokens, och ett svar kan vara upp till 8 192 tokens långt.

Gemini 1.5 Pro accepts text, images, audio and video tokens in a single pass with a context window up to 2M tokens. That lets it ingest entire PDFs, hour-long videos or large image sets and answer questions across them. Common uses: long-document visual QA, video summarization and frame-level analysis, and mixed media extraction. Function calling and JSON output are first-class via the Gemini API.

Priser

Inte tillgänglig för närvarande. Det finns ingen pris för denna modell för närvarande, så den kan inte köras.

API

Anropa Gemini 1.5 Pro (vision) med din Railwail API-nyckel. Använd detta modell-ID i begäran:

gemini-1-5-pro-visionAPI-dokumentation Hämta API-nyckel

För närvarande otillgänglig

Modellen har inget verifierat pris eller är inaktiverad; API-anrop avvisas.

Specifikationer

Modell-ID: gemini-1-5-pro-vision
Utvecklare: Google DeepMind
Kategori: Multimodal
Inmatning: Text, Bild, Audio, Video
Utmatning: Text
Kontextfönster: 2 097 152 tokens
Max. utmatning: 8 192 tokens
Livscykel: Utgått
Kataloginlägg uppdaterat: 23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

promptobligatorisk
Question or instruction about the media
Typ: Text
Standard: –
Tillåtna värden: upp till 32 000 tecken
top_p
Typ: Tal
Standard: 0.95
Tillåtna värden: 0 till 1
stream
Typ: Ja/Nej
Standard: false
Tillåtna värden: –
image_url
Image, PDF or video URL to analyze
Typ: Text
Standard: –
Tillåtna värden: –
max_tokens
Typ: Heltal
Standard: 2048
Tillåtna värden: 1 till 8 192
temperature
Typ: Tal
Standard: 1
Tillåtna värden: 0 till 2
system_prompt
Optional system instruction
Typ: Text
Standard: –
Tillåtna värden: upp till 8 000 tecken

Taggar

google
gemini
vision
multimodal
long-context
video-understanding

Vanliga frågor

Vad är Gemini 1.5 Pro (vision)?

Gemini 1.5 Pro (vision) är en modell av Google DeepMind i kategorin Multimodal. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar Gemini 1.5 Pro (vision) på Railwail?

Gemini 1.5 Pro (vision) kan inte köras på Railwail för närvarande, så det finns inget aktuellt pris. Tillgängliga alternativ med priser visas längre ned på denna sida.

Hur stort är kontextfönstret för Gemini 1.5 Pro (vision)?

Kontextfönstret för Gemini 1.5 Pro (vision) innehåller 2 097 152 tokens. Ett svar kan vara upp till 8 192 tokens långt.

Hur snabb är Gemini 1.5 Pro (vision)?

Det finns ännu inte tillräckligt många uppmätta körningar av Gemini 1.5 Pro (vision) på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är Gemini 1.5 Pro (vision) bättre än BLIP?

Det beror på uppgiften. Gemini 1.5 Pro (vision) (Google DeepMind) och BLIP (Salesforce) är båda modeller i kategorin Multimodal. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför Gemini 1.5 Pro (vision) och BLIP

Kan Gemini 1.5 Pro (vision) bearbeta bilder?

Ja. Gemini 1.5 Pro (vision) accepterar bilder som inmatning utöver text.

Kan jag använda Gemini 1.5 Pro (vision) just nu?

Inte tillgänglig för närvarande. Sidan förblir online; tillgängliga alternativ från samma kategori visas längre ned.

Alla modeller via ett API

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller