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 US$/körning
- Inmatning → utmatning
- Text + Bild + Video → Text
- Utvecklare
- Community
- Uppdaterad
- 23 september 2026
Playground
Prova Qwen2-VL 7B Instruct
Inmatning & resultat
Denna körning
ca. 0,0024 US$ · 0,24 credits
0,0072 US$ (0,72 credits) reserveras vid start; den faktiska GPU-tiden faktureras.
Ny här?
10 gratis credits (0,10 US$) när du registrerar dig med Google
Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits. Räcker för 13 körningar av denna modell.
Examples
Prompt
Describe this video in detail.
Response
The video features a monkey riding a skateboard in a park. The monkey is wearing roller skates and is seen moving forward on the skateboard, with its arms outstretched for balance. The park is filled with people sitting on benches and walking around, enjoying the sunny day. The monkey appears to be enjoying itself, and the scene is filled with a sense of fun and playfulness. The park is surrounded by trees and greenery, creating a peaceful and relaxing atmosphere. Overall, the video captures a unique and entertaining moment of a monkey enjoying a day out in the park on roller skates.
Prompt
Describe this in detail.
Response
The image shows a half of an avocado on the left side, with a pit visible inside. On the right side, there is a stylized letter "A" in a bold, uppercase font. The avocado and the letter "A" are separated by a white arrow pointing from the avocado to the letter "A," indicating a transformation or relationship between the two. The background is a light beige color.
Prompt
Describe this in detail.
Response
The image depicts a dog, specifically a Golden Retriever, enjoying a slice of watermelon. The dog is positioned on the left side of the frame, with its head lowered towards the watermelon. The watermelon is placed on a wooden table, and the dog appears to be biting into the fruit, indicating it is eating it. The background is blurred, suggesting a natural outdoor setting with greenery. The overall scene conveys a sense of relaxation and enjoyment.
Om Qwen2-VL 7B Instruct
Qwen2-VL 7B Instruct är en modell av Community i kategorin Multimodal. På Railwail kostar Qwen2-VL 7B Instruct ≈ 0,0024 US$ per körning.
Priser
| Typisk körning (≈ 2 s på L40S) | 0,0024 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 2,1 s
Totalt
0,24 US$
24 krediter
Per körning
0,0024 US$ · 0,24 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
qwen2-vl-7b-instruct-rep- Utvecklare
- Community
- Kategori
- Multimodal
- Inmatning
- Text, Bild, Video
- Utmatning
- Text
- Fakturering
- Efter användning (tokens eller GPU-tid)
- Kataloginlägg uppdaterat
- 23 september 2026
Indataparametrar
Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.
promptobligatoriskQuestion about the image or video
Typ: TextStandard: –Tillåtna värden: upp till 16 000 teckenimage_urlImage or video URL to analyze
Typ: TextStandard: –Tillåtna värden: –max_tokensTyp: HeltalStandard:1024Tillåtna värden: 1 till 4 096temperatureTyp: TalStandard:0.7Tillåtna värden: 0 till 2
Taggar
- replicate
- qwen
- alibaba
- vision-understanding
- open-weights
- ocr
Vanliga frågor
Vad är Qwen2-VL 7B Instruct?
Qwen2-VL 7B Instruct är en modell av Community i kategorin Multimodal.
Vad kostar Qwen2-VL 7B Instruct på Railwail?
På Railwail kostar Qwen2-VL 7B Instruct ≈ 0,0024 US$ per körning. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.
Vilka inställningar stöder Qwen2-VL 7B Instruct?
Enligt sitt inmatningsschema känner Qwen2-VL 7B Instruct till dessa parametrar: prompt (upp till 16 000 tecken), image_url, max_tokens (1 till 4 096) och temperature (0 till 2).
Hur snabb är Qwen2-VL 7B Instruct?
Det finns ännu inte tillräckligt många uppmätta körningar av Qwen2-VL 7B Instruct på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.
Är Qwen2-VL 7B Instruct bättre än BLIP?
Det beror på uppgiften. Qwen2-VL 7B Instruct (Community) och BLIP (Salesforce) är båda modeller i kategorin Multimodal. Jämförelsesidan visar deras priser och specifikationer sida vid sida.
Jämför Qwen2-VL 7B Instruct och BLIPKan Qwen2-VL 7B Instruct bearbeta bilder?
Ja. Qwen2-VL 7B Instruct accepterar bilder som inmatning utöver text.
Jämförbara modeller
Alla i denna kategori- BLIPSalesforce
Salesforce BLIP. Vision-language model for image captioning and visual question answering. Given an image it writes a short natural-language caption, or answers a question about the image when one is supplied. A widely used baseline for automatic captioning.
- CLIP InterrogatorCommunity
pharmapsychotic's CLIP Interrogator. Takes an image and produces a Stable-Diffusion-style text prompt by combining BLIP captioning with CLIP to rank likely subjects, artists, mediums and styles. Commonly used to reverse-engineer a prompt from an existing picture.
- Depth Anything v2Community
Monocular depth-estimation model trained on 595k labeled and 62M unlabeled images. Strong zero-shot generalization in indoor and outdoor scenes.
Alla modeller via ett API
En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.