xGen-MM (BLIP-3)
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Salesforce Research,University of Washington
- Typ organizace
- Industry,Academia
- Země
- United States of America
- Publikováno
- 16 August 2024
- Autoři
- Le Xue, Manli Shu, Anas Awadalla, Jun Wang, An Yan, Senthil Purushwalkam, Honglu Zhou, Viraj Prabhu, Yutong Dai, Michael S Ryoo, Shrikant Kendre, Jieyu Zhang, Can Qin, Shu Zhang, Chia-Chih Chen, Ning Yu, Juntao Tan, Tulika Manoj Awalgaonkar, Shelby Heinecke, Huan Wang, Yejin Choi, Ludwig Schmidt, Zeyuan Chen, Silvio Savarese, Juan Carlos Niebles, Caiming Xiong, Ran Xu
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Multimodal, Vision, Language
- Úkol
- Image captioning, Character recognition (OCR), Visual question answering, Chat
- Základní model
- phi-3-mini 3.8B
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 4B
- Výcviková data
- tokens
Table 1: shows the model is called xGen-MM-base (4B)
"About 100B multimodal tokens" for pretraining SFT phase: "Ultimately, we collect a mixture of 1 million publically available instruction-tuning samples, on which we fine-tune our model for one epoch." DPO phase: "We thus generate 62.6k preference examples" LoRA phase Safety Fine-tuning phase: "2k examples of unsafe images and instructions...5k additional examples from the instruction fine-tuning dataset" Total is about 100 billion.
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 2.4 × 10²¹ FLOP
Assuming 1 epoch and dense architecture (phi-3 mini is a dense model), compute = 6 * 4B * 100B = 2.4e+21 FLOP.
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 139
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- xGen-MM (BLIP-3): A Family of Open Large Multimodal Models
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Pozadí
xGen-MM (BLIP-3) byl zveřejněn Salesforce Research,University of Washington, v zemi zaznamenané jako United States of America, během August 2024. Vychází z organizace, která je kategorizována jako industry,Academia.
funguje v oblasti Multimodal, Vision, Language, a je zaznamenán jako vykonávající úkol image captioning, Character recognition (OCR), Visual question answering, Chat.
Jeho výchozím bodem byl existující základní model, phi-3-mini 3.8B. To je důvod, proč sdílí obecný tvar a velikost základního modelu.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 2.4 × 10²¹ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
xGen-MM (BLIP-3) — běžné otázky
xGen-MM (BLIP-3)— Je to OPEN SOURCE?
Licencování nikdy nebylo zaznamenáno v našich zdrojových datech. Neuváděné licencování považujeme za uzavřené, protože nezaznamenaná licence není na kterou by se dalo spoléhat.
xGen-MM (BLIP-3)— kolik má parametrů?
Má počet parametrů 4B. Table 1: shows the model is called xGen-MM-base (4B). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
xGen-MM (BLIP-3)— Kdo to vytvořil?
Bylo to publikováno společností Salesforce Research,University of Washington, zakládající se na United States of America, organizace zařazená jako industry,Academia.
xGen-MM (BLIP-3)— Kdy byl vydán?
Bylo to zveřejněno v August 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
xGen-MM (BLIP-3)— K čemu se to používá?
funguje v oblasti Multimodal, Vision, Language, a je zaznamenáno jako zpracovávající úkol image captioning, Character recognition (OCR), Visual question answering, Chat. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
xGen-MM (BLIP-3)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.4 × 10²¹ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
xGen-MM (BLIP-3)— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.