Demist-2
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
- Darktrace
- Organisationsart
- Industry
- Land
- United Kingdom of Great Britain and Northern Ireland
- Veröffentlicht
- 17 April 2025
- Autoren
- Miguel Neves Fonseca, Philip Sellars, Tim Bazalgette
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation, Text classification, Question answering, Entity embedding
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
- 95M
- Trainingsdaten
- 351,000,000,000 tokens
- Epochen
- 1.8
95M
C4: We extracted a 305 billion token subset URIs: We extracted the available URIs from several Common Crawl web scrapes. This allowed us to create a large corpus of 10 billion tokens. Linked Hostnames: Using the Common Crawl dataset, we extracted the observed links between web pages. <..> We further processed this data into rows of hostnames that shared linking properties which totaled 11 billion tokens. HTTP Data: 25 billion tokens. 305 + 10 + 11 + 25 = 351 b tokens "1.2 million optimization …
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
- 4.6 × 10²⁰ FLOP
- Wie es etabliert wurde
- Operation counting,Hardware
6 FLOP / parameter / token * 95 * 10^6 parameters * 351 * 10^9 tokens [see dataset size notes] *1.8 epochs = 3.60126e+20 FLOP 312000000000000 FLOP / GPU / sec [A100 reported] * 8 GPUs * 216 hours [9 days reported] * 3600 sec / hour * 0.3 [assumed utilization] = 5.8226688e+20 FLOP sqrt(3.60126e+20 * 5.8226688e+20) = 4.579186e+20 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
- NVIDIA A100
- Verwendete Chips
- 8
- Wand-Uhrzeit
- 216 hours (9 days)
- Stromverbrauch
- 6.3 kW
- Cloud-Anbieter
- AWS,Amazon Web Services
"DEMIST-2 was trained on 8 A100 GPUs over a nine-day period using the AWS Sagemaker platform." 9 days = 216 hours
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
- DEMIST-2: Darktrace Embedding Model for Investigation of Security Threats
- Zuletzt aktualisiert
- 28 November 2025
Was die Zahlen bedeuten
Woher es kam
Demist-2 wurde veröffentlicht von Darktrace, im Land aufgezeichnet als United Kingdom of Great Britain and Northern Ireland, während April 2025. Die veröffentlichende Organisation ist als industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Text classification, Question answering, Entity embedding.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Training und Herkunft
Das Training benötigte ein Rechenbudget von ungefähr 4.6 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA A100. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Training verbrauchte ein Korpus von etwa 351,000,000,000 Text-Tokens
Antworten
Demist-2 — Häufige Fragen
Demist-2— Wer hat es erstellt?
Es wurde veröffentlicht von Darktrace, basiert auf United Kingdom of Great Britain and Northern Ireland, eine als kategorisierte Organisation industry.
Demist-2— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in April 2025.
Demist-2— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Text classification, Question answering, Entity embedding. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
Demist-2— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 4.6 × 10²⁰ FLOP, auf Hardware erfasst als NVIDIA A100. 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.
Demist-2— 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.
Demist-2— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
Demist-2— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 95M. 95M. 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.
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.