xGen-MM (BLIP-3)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Salesforce Research,University of Washington
- Organisationsart
- Industry,Academia
- Land
- United States of America
- Veröffentlicht
- 16 August 2024
- Autoren
- 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
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Multimodal, Vision, Language
- Aufgabe
- Image captioning, Character recognition (OCR), Visual question answering, Chat
- Basis-Modell
- phi-3-mini 3.8B
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 4B
- Trainingsdaten
- 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.
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 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.
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 139
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- xGen-MM (BLIP-3): A Family of Open Large Multimodal Models
- Zuletzt aktualisiert
- 11 February 2026
Was die Zahlen bedeuten
Hintergrund
xGen-MM (BLIP-3) wurde veröffentlicht von Salesforce Research,University of Washington, im Land aufgezeichnet als United States of America, während August 2024. Es stammt aus einer Organisation, die kategorisiert ist als industry,Academia.
Es funktioniert im Bereich von Multimodal, Vision, Language, und wird als die Aufgabe von aufgezeichnet image captioning, Character recognition (OCR), Visual question answering, Chat.
Der Ausgangspunkt war ein vorhandenes Basis-Modell, phi-3-mini 3.8B. Das ist der Grund, warum es die allgemeine Form und Größe des Basis-Modells teilt.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Wie es trainiert wurde
Das Training benötigte ein Rechenbudget von ungefähr 2.4 × 10²¹ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
xGen-MM (BLIP-3) — Häufige Fragen
xGen-MM (BLIP-3)— Ist es Open-Source?
Die Lizenzierung wurde nie in unseren Quelldaten aufgezeichnet. Wir behandeln nicht angegebene Lizenzen als geschlossen, da eine nicht aufgezeichnete Lizenz keine ist, auf die man sich verlassen kann.
xGen-MM (BLIP-3)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 4B. Table 1: shows the model is called xGen-MM-base (4B). Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
xGen-MM (BLIP-3)— Wer hat es erstellt?
Es wurde veröffentlicht von Salesforce Research,University of Washington, basiert auf United States of America, eine als kategorisierte Organisation industry,Academia.
xGen-MM (BLIP-3)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in August 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
xGen-MM (BLIP-3)— Wofür wird es verwendet?
Es funktioniert im Bereich von Multimodal, Vision, Language, und wird als Bewältigung der Aufgabe von image captioning, Character recognition (OCR), Visual question answering, Chat. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
xGen-MM (BLIP-3)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 2.4 × 10²¹ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
xGen-MM (BLIP-3)— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.