Apollo 7B

Κλειστά βάρη Meta AI,Stanford University 7B Παραμέτροι December 2024

Χωρίς εκτίμηση

Δεν υπάρχουν απαιτήσεις υλικού για αυτό το μοντέλο

Τα βάρη αυτού του μοντέλου δεν έχουν δημοσιευθεί, επομένως δεν μπορεί να κατεβεί ή να τρέξει σε δικό σας υλικό οποιουδήποτε μεγέθους. Είναι προσβάσιμο μόνο μέσω του παρόχου του και καμία κάρτα γραφικών δεν το αλλάζει αυτό.

Σε εγγραφή

Πλήρης προδιαγραφή

Όλα τα δεδομένα σχετικά με αυτό το μοντέλο. Τα περισσότερα περιγράφουν πώς εκπαιδεύτηκε παρά πώς τρέχει — χρήσιμο πλαίσιο για την αξιολόγηση του πόσο δουλειά απαιτήθηκε και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα.

Προέλευση

Ποιος δημιούργησε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε;

Οργάνωση
Meta AI,Stanford University
Τύπος οργάνωσης
Industry,Academia
Χώρα
United States of America
Δημοσιευμένο
13 December 2024
Συγγραφείς
Orr Zohar, Xiaohan Wang, Yann Dubois, Nikhil Mehta, Tong Xiao, Philippe Hansen-Estruch, Licheng Yu, Xiaofang Wang, Felix Juefei-Xu, Ning Zhang, Serena Yeung-Levy, Xide Xia

Τι κάνει

Οι προβληματικές περιοχές για τις οποίες κατασκευάστηκε το μοντέλο. Ένα μοντέλο μπορεί να περιέχει αρκετές από κάθε μία.

Τομέας
Video, Language, Multimodal
Εντολή
Video description
Βασικό μοντέλο
Qwen2.5-7B,SigLIP 400M

Μέγεθος

Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα εκπαιδεύτηκε. Οι παράμετροι είναι το νούμερο που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.

Παραμέτροι
7B

"We employed the Qwen2.5 (Yang et al., 2024) series of Large Language Models (LLMs) at varying scales to serve as the backbone for Apollo. Specifically, we utilized models with 1.5B, 3B, and 7B parameters. Following our analysis in Sec. 4, we used a SigLIP-SO400M (Zhai et al., 2023) encoder combined with an InternVideo2 (Wang et al., 2024d) video encoder" there is a confusion with Qwen2.5 link - it points to Qwen 2 paper instead of Qwen 2.5 release notes

Δεδομένα εκπαίδευσης
tokens

1. Alignment: In this phase, we trained on a 198K mixture of 50/50 image and video captions. 2. Vision Pretraining: We tuned the encoders using a video-only caption dataset of 396K samples. 3. Supervised Fine-tuning (SFT): We trained on a mixture of text, image, multi-image, and video data, with a total of 3.2 million samples. 3200000 videos *36%*~40 sec*~128 tokens / sec = 5898240000 video tokens during SFT assuming about the same amount of image and text tokens. total size of the dataset was…

Η εκπαίδευση

Τι χρειάστηκε φυσικά για να εκπαιδεύσουμε: ποια τσιπ, πόσα, για πόσο καιρό, και τι αυτό τραβούσε από τον τοίχο.

Εκπαίδευση υλικού
NVIDIA A100
Τσιπ που χρησιμοποιούνται
128
Κατανάλωση ενέργειας
100.7 kW

Διαθεσιμότητα

Εάν μπορείτε να αποκτήσετε το μοντέλο και να το εκτελέσετε στον δικό σας εξοπλισμό, κάτι που αποφασίζει αν κάποια από τα στοιχεία της κάρτας γραφικών σε αυτή τη σελίδα εφαρμόζονται.

Βάρη
Closed — provider access only
Πρόσβαση μοντέλου
Unreleased
Κώδικας εκπαίδευσης
Unreleased

Πώς ταξινομείται

Ετικέτες που εφαρμόζει το πηγαίο σύνολο δεδομένων κατά την παρακολούθηση σημαντικών μοντέλων, και πόσο σίγουρο είναι για την είσοδο.

Γιατί παρακολουθείται
SOTA improvement

Apollo-7B is state-of-the-art compared to 7B LMMs with a 70.9 on MLVU, and 63.3 on Video-MME

Καταγραφή εμπιστοσύνης
Confident

Πηγές

Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία.

Αναφορά
Apollo: An Exploration of Video Understanding in Large Multimodal Models
Τελευταία ενημέρωση
28 November 2025

Τι σημαίνουν οι αριθμοί

Από πού προήλθε

Apollo 7B was published by Meta AI,Stanford University, in United States of America, in December 2024. The organisation is categorised as industry,Academia.

It works in Video, Language, Multimodal, and is recorded as doing video description.

It builds on Qwen2.5-7B,SigLIP 400M, which is why it shares that model's general shape and size.

Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.

Εκπαίδευση και προέλευση

Ο λόγος που εμφανίζεται σε αυτόν τον κατάλογο είναι η βελτίωση sOTA.

Απαντήσεις

Apollo 7B — Συχνές ερωτήσεις

01

When was Apollo 7B released?

Apollo 7B was published in December 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.

02

What is Apollo 7B used for?

Apollo 7B works in Video, Language, Multimodal, and is recorded as handling video description. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.

03

What GPU do I need to run Apollo 7B?

None. Apollo 7B 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.

04

Is Apollo 7B open source?

No. Apollo 7B has not had its weights published, so it exists only as a service controlled by its owner.

05

How many parameters does Apollo 7B have?

Apollo 7B has 7B parameters. "We employed the Qwen2.5 (Yang et al., 2024) series of Large Language Models (LLMs) at varying scales to serve as the backbone for Apollo. Specifically, we utilized models with 1.5B, 3B, and 7B parameters. Following our analysis in Sec. 4, we used a SigLIP-SO400M (Zhai et al., 2023) encoder combined with an InternVideo2 (Wang et al., 2024d) video encoder" there is a confusion with Qwen2.5 link - it points to Qwen 2 paper instead of Qwen 2.5 release notes. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.

06

Who created Apollo 7B?

Apollo 7B was published by Meta AI,Stanford University, based in United States of America, categorised as industry,Academia.

Πηγή

Αρχική δημοσίευση

Τελευταία ενημέρωση αρχείου 28 November 2025

Η άλλη κατεύθυνση

Βλέποντάς το από την άλλη πλευρά;

Αυτή η σελίδα ξεκινάει από το μοντέλο. Αν ήδη διαθέτετε μια κάρτα και θέλετε να γνωρίζετε όλα όσα θα τρέξει, Ξεκινήστε από το υλικό αντί..