VILA
视觉语言模型，可对来自物理或虚拟世界的图像和视频进行查询与摘要。
规格
- 上下文
- —
- 最大输出
- —
- 输入价
- —
- 输出价
- —
- 发布日期
- —
上下文
- 官方未公布
价格
- 官方未公布
输入输出
- 输入
- 文本图像视频
- 输出
- 文本
API
- 接口类型
思考
- 官方未公布
源信息
- 状态
- 可用
- 发布日期
- —
- 知识截止
- —
能力
- 官方未公布
调用方式
1 个 Provider
nvidiamodel = nvidia/vila
JSON
标准格式
{
"id": "vila",
"object": "model",
"created": null,
"owned_by": "nvidia",
"name": "VILA",
"api": {
"types": [
"chat"
]
},
"limits": {
"context": null,
"input": null,
"output": null
},
"modalities": {
"input": [
"text",
"image",
"video"
],
"output": [
"text"
]
},
"reasoning": {
"supported": null,
"efforts": []
},
"pricing": null,
"features": [],
"info": {
"status": "active",
"release_date": null,
"knowledge_cutoff": null,
"description": "Vision language model that queries and summarizes images and video from the physical or virtual world.",
"docs": "https://docs.api.nvidia.com/nim/reference/nvidia-vila",
"verified_at": "2026-10-11"
}
}官方来源
1