详细参数
模型定位
vision_language_model
适合场景
具身感知 / 空间推理 / 视频理解
输入价格
公开资料未说明
输出价格
公开资料未说明
上下文窗口
32.768K
多模态模型AllenAI / OLMovision_language_model稳定版
Molmo2-ER
调用名：allenai/Molmo2-ERMolmo2-ER 是 Ai2 于 2026 年 5 月发布的 4B 具身推理视觉语言模型，面向空间理解、像素级定位和视频时序推理。
32.768K 上下文
适合
具身感知 / 空间推理 / 视频理解
vision_language_model
价格
公开资料未说明
1M Tokens
输入
文本 / 图像 / 视频
输出
文本
支持结构化输出
规格
32.768K
具身推理空间理解GUI Agent开放权重深度推理视觉理解通用助手视觉结构化输出推理spatial_reasoningembodied_reasoning
所属厂商：AllenAI / OLMo
能力与信息
文本主能力
推理
支持
工具调用
不支持
结构化输出
支持
训练与版本
微调
不支持
蒸馏
不支持
多模态扩展
视觉理解
支持
语音输入
不支持
语音输出
不支持
实时交互
不支持
输入与输出
输入形式
文本 / 图像 / 视频
输出形式
文本
接入信息
知识截止
公开资料未说明
调用名
allenai/Molmo2-ER
API 基础地址
https://huggingface.co/allenai/Molmo2-ER
调用协议
huggingface
主接口
model_download
接口说明
Ai2 / AllenAI 官方 Hugging Face 视觉语言模型。
发布时间
2026-05-04
价格与计费
计费摘要
输入价
公开资料未说明
输出价
公开资料未说明
缓存输入
公开资料未说明
币种
未标注
计费单位
1M Tokens
单位类型
未标注
价格说明
原始价格文案
未收录
补充说明
暂无
发布时间
2026-05-04
官方入口