M6-T
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
- Alibaba
- Typ organizace
- Industry
- Země
- China
- Publikováno
- 5 March 2021
- Autoři
- An Yang, Junyang Lin, Rui Men, Chang Zhou, Le Jiang, Xianyan Jia, Ang Wang, Jie Zhang, Jiamang Wang, Yong Li, Di Zhang, Wei Lin, Lin Qu, Jingren Zhou, Hongxia Yang
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Multimodal, Language, Vision
- Úkol
- Chat, Image captioning
- Přístup
- Self-supervised learning
- Číselný formát
- FP16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 1T
- Výcviková data
- 111,800,000,000 tokens
Table 5. Note model is sparse MoE with 960 experts; not all parameters are activated on the forward pass.
60.5B images and 111.8B tokens of text
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
- 5.5 × 10²¹ FLOP
- Jak bylo ustanoveno
- Third-party estimation
Estimate taken from https://www.governance.ai/research-paper/recent-trends-chinas-llm-landscape
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla V100 DGXS 32 GB
- Používané čipy
- 480
- Příkon
- 243.3 kW
- Náklady na výpočet
- $13,157
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.
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Likely
- Citace
- 76
Improves on hardware SOTA for similar problems Abstract: "We push the model scale to over 1 trillion parameters and implement it on solely 480 NVIDIA V100-32GB GPUs, in comparison with the recent SOTAs [11; 6] on 2048 TPU cores."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- M6-T: Exploring Sparse Expert Models and Beyond
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Co je tento MODEL
M6-T byl zveřejněn Alibaba, v zemi zaznamenané jako China, během March 2021. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol chat, Image captioning.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Trénink a původ
Trénování si vyžádalo výpočetní rozpočet přibližně 5.5 × 10²¹ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 111,800,000,000 tokeny textu
Důvod, proč se to v tomto katalogu vůbec objevuje: sOTA improvement.
Odpovědi
M6-T — běžné otázky
M6-T— K čemu se to používá?
funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol chat, Image captioning. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
M6-T— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 5.5 × 10²¹ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 GB. 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.
M6-T— 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.
M6-T— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
M6-T— kolik má parametrů?
Má počet parametrů 1T. Table 5. Note model is sparse MoE with 960 experts; not all parameters are activated on the forward pass. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
M6-T— Kdo to vytvořil?
Bylo to publikováno společností Alibaba, zakládající se na China, organizace zařazená jako industry.
M6-T— Kdy byl vydán?
Bylo to zveřejněno v March 2021. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.