JEST++
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
- Google DeepMind
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 25 June 2024
- Autoren
- Talfan Evans, Nikhil Parthasarathy, Hamza Merzic, Olivier J. Henaff
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Vision
- Aufgabe
- Image classification
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.
- Trainingsdaten
- 131,072,000,000,000 tokens
4b training examples seen (figure 1) The vision encoder takes images resized to (256 x 256) and the text-encoder tokenizes text with the sentencepiece tokenizer [26] trained on the English C4 dataset [39]. We crop the text to the first 64 tokens. visual encoder: ViT-B/16 4*10^9*((256/16)^2 + 64) = 1.28e+12 tokens (text and image)
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
- 1.9 × 10²¹ FLOP
- Wie es etabliert wurde
- Other
1.9*10^21 from figure 1 and table 1 there is slight disrepancy (within confidence interval) between sigclip/jest++ training compute ratio if we compare epoch's estimated compute and table 1
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- Google TPU v5e
- Verwendete Chips
- 256
- Stromverbrauch
- 113.7 kW
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
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Confident
- Zitationen
- 30
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Data curation via joint example selection further accelerates multimodal learning
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Hintergrund
JEST++ was published by Google DeepMind, in United States of America, in June 2024. It comes out of industry.
It works in Vision, and is recorded as doing image classification.
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.
Training und Herkunft
Producing it required around 1.9 × 10²¹ FLOP of arithmetic, on Google TPU v5e, which is a statement about the training budget rather than about inference.
It was trained on about 131,072,000,000,000 tokens of text.
Antworten
JEST++ — Häufig gestellte Fragen
Is JEST++ open source?
No. JEST++ has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does JEST++ have?
No parameter count has been published for JEST++, which is why no memory or speed figure appears on this page.
Who created JEST++?
JEST++ was published by Google DeepMind, based in United States of America, categorised as industry.
When was JEST++ released?
JEST++ was published in June 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 JEST++ used for?
JEST++ works in Vision, and is recorded as handling image classification. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train JEST++?
Around 1.9 × 10²¹ FLOP, on Google TPU v5e. 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 JEST++?
None. JEST++ 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.
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.