DiLoCoX (Qwen1.5-107B on WT-103)

Uzavřené váhy China Mobile,Zero Gravity Labs (0g AI) 107B parametry June 2025

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
China Mobile,Zero Gravity Labs (0g AI)
Typ organizace
Industry,Industry
Země
China, United States of America
Publikováno
26 June 2025
Autoři
Ji Qi, WenPeng Zhu, Li Li, Ming Wu, YingJun Wu, Wu He, Xun Gao, Jason Zeng, Michael Heinrich

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména
Language
Úkol
Language modeling/generation, Question answering

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry
107B
Výcviková data
tokens

4000 steps unknown number of epochs or sequence length

Tréninkový běh

Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.

Tréninkový hardware
NVIDIA A800 PCIe 40 GB
Používané čipy
160
Příkon
78.3 kW

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
Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference
DiLoCoX: A Low-Communication Large-Scale Training Framework for Decentralized Cluster
Nap poslední aktualizace
11 February 2026

Co čísla znamenají

Odkud to přišlo

DiLoCoX (Qwen1.5-107B on WT-103) byl zveřejněn China Mobile,Zero Gravity Labs (0g AI), v zemi zaznamenané jako China, během June 2025. Kategorie, do které vydavatel spadá, je industry,Industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering.

Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.

Odpovědi

DiLoCoX (Qwen1.5-107B on WT-103) — běžné otázky

01

DiLoCoX (Qwen1.5-107B on WT-103)— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

02

DiLoCoX (Qwen1.5-107B on WT-103)— 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.

03

DiLoCoX (Qwen1.5-107B on WT-103)— Je to OPEN SOURCE?

Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.

04

DiLoCoX (Qwen1.5-107B on WT-103)— kolik má parametrů?

Má počet parametrů 107B. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

05

DiLoCoX (Qwen1.5-107B on WT-103)— Kdo to vytvořil?

Bylo to publikováno společností China Mobile,Zero Gravity Labs (0g AI), zakládající se na China, organizace zařazená jako industry,Industry.

06

DiLoCoX (Qwen1.5-107B on WT-103)— Kdy byl vydán?

Bylo to zveřejněno v June 2025.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 11 February 2026

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.