MLDD3UTRmRRNAS
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
- Ginkgo Bioworks
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 7 October 2024
- Autoren
- Alyssa Kramer Morrow, Ashley Thornal, Elise Duboscq Flynn, Emily Hoelzli, Meimei Shan, Gorkem Garipler, Rory Kirchner, Aniketh Janardhan Reddy, Sophia Tabchouri, Ankit Gupta, Jean-Baptiste Michel, Uri Laserson
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Biology
- Aufgabe
- Protein or nucleotide language model (pLM/nLM), Nucleotide generation
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
- 44M
- Trainingsdaten
- tokens
TOKENS = 113,000 × 164 = 18532000
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
- 1
- Stromverbrauch
- 433 W
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
- API access
- Training-Code
- Unreleased
"we’re making our generative model used for 3’ UTR design trained on genomic 3’ UTRs available via our API for $0.18 per 1M tokens." https://biopharma.ginkgo.bio/resources/white-papers/engineering-stable-mrna-insights-from-ml-driven-design-of-3-utrs
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Likely
- Zitationen
- 6
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- ML-driven design of 3’ UTRs for mRNA stability
- Zuletzt aktualisiert
- 1 January 2026
Was die Zahlen bedeuten
Woher es kam
MLDD3UTRmRRNAS wurde veröffentlicht von Ginkgo Bioworks, im Land aufgezeichnet als United States of America, während October 2024. Die veröffentlichende Organisation ist als industry.
Es funktioniert im Bereich von Biology, und wird als die Aufgabe von aufgezeichnet protein or nucleotide language model (pLM/nLM), Nucleotide generation.
Dies ist ein geschlossenes Modell: die trainierten Werte blieben bei demjenigen, der sie erzeugt hat, und es gibt keine lokale Version zum Ausführen.
Antworten
MLDD3UTRmRRNAS — Häufige Fragen
MLDD3UTRmRRNAS— Wer hat es erstellt?
Es wurde veröffentlicht von Ginkgo Bioworks, basiert auf United States of America, eine als kategorisierte Organisation industry.
MLDD3UTRmRRNAS— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2024. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
MLDD3UTRmRRNAS— Wofür wird es verwendet?
Es funktioniert im Bereich von Biology, und wird als Bewältigung der Aufgabe von protein or nucleotide language model (pLM/nLM), Nucleotide generation. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
MLDD3UTRmRRNAS— 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.
MLDD3UTRmRRNAS— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
MLDD3UTRmRRNAS— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 44M. 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.