Google: Gemma 3n 4B
Google: Gemma 3n 4B ist ein Text-Modell für Vision-Sprache-Verständnis. Es verbindet multimodale Eingabeverarbeitung und Audioverarbeitung, einen Kontext von 33K tokens und ein kostengünstig-Profil für zuverlässige Arbeit über audio understanding and multimodal input.
Input
$0.06/1M
Output
$0.12/1M