AbGPT
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Carnegie Mellon University (CMU)
- Organisationstyp
- Academia
- Land
- United States of America
- Veröffentlicht
- 9 September 2024
- Autoren
- Desmond Kuan, Amir Barati Farimani
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Biology
- Aufgabe
- Protein design
- Basis-Modell
- ProtGPT2
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 734M
- Trainingsdaten
- 6,840,000,000 tokens
- Epochen
- 5
Finetuned ProtGPT2 on 57M sequences with average length of ~120 (Figure 6) FT dataset in tokens: 57000000*120=6840000000
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Training-Computing
- 4.3 × 10²¹ FLOP
Finetuned ProtGPT2 on 57M sequences with average length of ~120 (Figure 6) FT compute: 734000000*6840000000*5*6=1.506168e+20 Base model compute: 4.1e+21 Total: 4.2506168e+21
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- NVIDIA RTX A6000
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Trainingscode
- Unreleased
MIT license: https://github.com/deskk/AbGPT
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- AbGPT: De Novo Antibody Design via Generative Language Modeling
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Über dieses Modell
AbGPT was published by Carnegie Mellon University (CMU), in United States of America, in September 2024. academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein design.
It is derived from ProtGPT2 rather than trained from scratch, which is the usual way a specialised model is produced.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie produziert hat, und es gibt keine lokale Version, die ausgeführt werden kann.
Wie es trainiert wurde
Training it took roughly 4.3 × 10²¹ FLOP of computation, on NVIDIA RTX A6000 — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 6,840,000,000 tokens of text.
Antworten
AbGPT — Häufig gestellte Fragen
When was AbGPT released?
AbGPT was published in September 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is AbGPT used for?
AbGPT works in Biology, and is recorded as handling protein design. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train AbGPT?
Around 4.3 × 10²¹ FLOP, on NVIDIA RTX A6000. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run AbGPT?
None. AbGPT is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is AbGPT open source?
No. AbGPT has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AbGPT have?
AbGPT has 734M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created AbGPT?
AbGPT was published by Carnegie Mellon University (CMU), based in United States of America, categorised as academia.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.