RFM-1
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
- Covariant
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 11 March 2024
- Autoři
- Andrew Sohn, Anusha Nagabandi, Carlos Florensa, Daniel Adelberg, Di Wu, Hassan Farooq, Ignasi Clavera, Jeremy Welborn, Juyue Chen, Nikhil Mishra, Peter Chen, Peter Qian, Pieter Abbeel, Rocky Duan, Varun Vijay, Yang Liu
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Robotics, Vision, Video
- Úkol
- Robotic manipulation, Image captioning, Video description
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 8B
- Výcviková data
- tokens
8b
from here https://covariant.ai/insights/rfm-1-update-higher-quality-grasp-accuracy/ 5*10^9 tokens
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 × 10²⁰ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 5000000000 tokens * 8*10^9 parameters = 2.4e+20 FLOP I am not confident about amount of epochs and whether the model is dense
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Likely
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Introducing RFM-1: Giving robots human-like reasoning capabilities
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
RFM-1 byl zveřejněn Covariant, v zemi zaznamenané jako United States of America, během March 2024. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Robotics, Vision, Video, a je zaznamenán jako vykonávající úkol robotic manipulation, Image captioning, Video description.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Co bylo zapotřebí k jeho vybudování
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.4 × 10²⁰ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Odpovědi
RFM-1 — běžné otázky
RFM-1— kolik má parametrů?
Má počet parametrů 8B. 8b. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
RFM-1— Kdo to vytvořil?
Bylo to publikováno společností Covariant, zakládající se na United States of America, organizace zařazená jako industry.
RFM-1— Kdy byl vydán?
Bylo to zveřejněno v March 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
RFM-1— K čemu se to používá?
funguje v oblasti Robotics, Vision, Video, a je zaznamenáno jako zpracovávající úkol robotic manipulation, Image captioning, Video description. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
RFM-1— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.4 × 10²⁰ 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.
RFM-1— 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.
RFM-1— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
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.