llava-v1.5-13b

LLaVA-v1.5-13B 属于 LLaVA 系列的多模态对话模型，权重公开发布，输入支持文本与图像、输出为文本。它要解决的是让一个语言模型能够「看图说话」：把图像内容接入对话流程，完成图像描述、视觉问答、图文推理一类任务。13B 的规模在系列中处于中档位，同系列还有 7B 以及后续 v1.6 代的 7B、13B、34B 等不同组合，参数与底座搭配各有取舍。由于官方未公开定价、本站也未收录它的公开跑分与第三方评测数据，评估它的能力更依赖自行部署后的实际测试，而不是现成的榜单结论。对多数团队来说，它的价值在于权重可得、结构清晰、便于二次微调，可以当作视觉指令微调的起点或内部业务的基座模型。

选型建议需要开源权重、可自行部署并愿意做微调时选它；需要开箱即用的 API、强视觉细节能力或明确跑分背书时不宜选它。

• 部署内部图像问答服务，让用户上传图片后用自然语言提问获取文字回答
• 为电商或内容团队批量生成商品图、素材图的文字描述草稿
• 作为视觉指令微调的基座模型，用自有标注数据做领域适配
• 在离线或私有环境中搭建图文对话助手，避免数据外传
• 辅助无障碍场景，把图片内容转写为可供阅读的文字说明

公开资料对该模型的完整训练细节披露有限，可确认的是它属于视觉语言模型路线，把图像编码与语言模型对接完成多模态对话。

• 结构延续 LLaVA 系列典型的两段式思路，由视觉编码器提取图像特征、再经投影层对齐到语言模型的表示空间，具体实现细节以官方仓库为准。
• 能力支持文本与图像混合输入并输出文本，适合图像描述、视觉问答、图文推理等任务，纯文本对话同样可用。
• 披露权重公开发布，但训练数据配比、上下文长度等细项在本站事实中未给出，公开资料较少，使用前建议核对官方模型卡。

开源权重

是

模型家族

—

许可证

—

参数规模

13B

本站未收录该模型的公开跑分，也没有第三方评测数值，能力判断只能做定性描述，实际表现需在目标场景中自测。

• 强项13B 规模相比同系列 7B 版本通常有更强的语言理解与推理余量，在图文问答、描述类任务上更适合承担稍复杂的指令。
• 短板早期多模态模型普遍在高分辨率细节、密集文字识别与细粒度定位上偏弱，长上下文与多图推理也不宜期待过高。
• 适合适合预算有限、需要本地部署并允许自行微调的团队；若追求更强视觉能力，可比较同系列更新世代的版本。

官方价格未公开，本站收录的平台数为 0，也没有可对比的调用价，成本主要取决于自部署的算力与工程投入。

• 定位开源权重模型，不以按 token 计费的 API 形式定价，成本体现为 GPU 资源、部署运维与微调人力。
• 横向对比同系列 7B、13B、34B 及 v1.6 各版本均无公开价格，价差无法量化，选型应看算力预算与效果需求而非单价。
• 平台差价本站未收录任何提供该模型的服务平台，因此不存在可比较的平台报价差异，接入前需自行询价。
• 省钱自托管可避免按量计费，但需评估显存占用与并发成本；调用量小或波动大时，托管方案往往更划算。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录该模型的公开跑分与能力标注，任何效果描述都只能作为定性参考，不能替代实测。
• 边界输入为文本与图像、输出仅文本，不生成图像；早期版本在细节识别与复杂推理上的稳定性有限，关键业务需加人工校验。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。