AlphaEarth Foundations (AEF)
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
- Google DeepMind,Google
- Organisationsart
- Industry,Industry
- Land
- United States of America
- Veröffentlicht
- 30 July 2025
- Autoren
- Christopher F. Brown, Michal R. Kazmierski, Valerie J. Pasquarella, William J. Rucklidge, Masha Samsikova, Chenhui Zhang, Evan Shelhamer, Estefania Lahera, Olivia Wiles, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Alj, Emily Schechter, Sean Askay, Oliver Guinan, Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Earth science
- Aufgabe
- Entity embedding, Crop Mapping / Segmentation
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
- 480M
- Trainingsdaten
- tokens
"We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency."
[videoframes] "AEF was trained over 8,412,511 video sequences containing interleaved, time-stamped frames from the sources and metadata listed in supplemental materials S1. Each frame covered a 1.28 km x 1.28 km (128 x 128 pixel) area projected into the UTM zone of the area’s centroid and were not limited in length: all available data was used totalling 3,047,520,515 frames." "AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences. "
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
- 8.5 × 10²¹ FLOP
- Wie es etabliert wurde
- Hardware
275000000000000 FLOP / sec / TPU v4 * 512 TPUs * 56 hours * 3600 sec / hour * 0.3 [assumed utilization] = 8.515584E21 FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- Google TPU v4
- Verwendete Chips
- 512
- Wand-Uhrzeit
- 56 hours
- Stromverbrauch
- 340.5 kW
"AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences"
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Hosted access (no API)
- Training-Code
- Unreleased
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
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data
- Zuletzt aktualisiert
- 29 May 2026
Was die Zahlen bedeuten
Hintergrund
AlphaEarth Foundations (AEF) wurde veröffentlicht von Google DeepMind,Google, im Land aufgezeichnet als United States of America, während July 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry,Industry.
Es funktioniert im Bereich von Earth science, und wird als die Aufgabe von aufgezeichnet entity embedding, Crop Mapping / Segmentation.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Was in den Aufbau geflossen ist
Der Trainingslauf verbrauchte etwa 8.5 × 10²¹ FLOP, auf Hardware erfasst als Google TPU v4. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
AlphaEarth Foundations (AEF) — Häufige Fragen
AlphaEarth Foundations (AEF)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in July 2025.
AlphaEarth Foundations (AEF)— Wofür wird es verwendet?
Es funktioniert im Bereich von Earth science, und wird als Bewältigung der Aufgabe von entity embedding, Crop Mapping / Segmentation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
AlphaEarth Foundations (AEF)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 8.5 × 10²¹ FLOP, auf Hardware erfasst als Google TPU v4. 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.
AlphaEarth Foundations (AEF)— 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.
AlphaEarth Foundations (AEF)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
AlphaEarth Foundations (AEF)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 480M. "We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency.". 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.
AlphaEarth Foundations (AEF)— Wer hat es erstellt?
Es wurde veröffentlicht von Google DeepMind,Google, basiert auf United States of America, eine als kategorisierte Organisation industry,Industry.
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.