GameNGen
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Google Research,Google DeepMind,Tel Aviv University
- Tipo de Organización
- Industry,Industry,Academia
- País
- United States of America, Israel
- Publicado
- 22 August 2024
- Autores
- Dani Valevski, Yaniv Leviathan, Moab Arar, Shlomi Fruchter
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Games
- Tarea
- Doom
- Modelo base
- Stable Diffusion (LDM-KL-8-G)
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 458,802,000,000 tokens
" We use a batch size of 128 " (for the main training) "Unless noted otherwise, all results in the paperare after 700,000 training steps. <..> We use a batch size of 2,048 for optimizing the latent decoder, other training parameters are identical to those of the denoiser. <..> Overall we generate 900M frames for training. All image frames (during training, inference, and conditioning) are at a resolution of 320x240 padded to 320x256."
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- Google TPU v5e
- Chips utilizados
- 128
- Consumo de energía
- 56.8 kW
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Unknown
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Diffusion Models Are Real-Time Game Engines
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
GameNGen fue publicado por Google Research,Google DeepMind,Tel Aviv University, en el país registrado como United States of America, durante August 2024. La organización editora está clasificada como industry,Industry,Academia.
Funciona en el dominio de Games, y se registra como realizando la tarea de doom.
En lugar de ser entrenado desde cero, se deriva de Stable Diffusion (LDM-KL-8-G). Esa es la forma habitual en que se produce un modelo especializado.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Fue entrenado en un corpus de aproximadamente 458,802,000,000 tokens de texto
Respuestas
GameNGen — preguntas comunes
GameNGen— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
GameNGen— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GameNGen— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
GameNGen— ¿Quién lo creó?
Fue publicado por Google Research,Google DeepMind,Tel Aviv University, basado en United States of America, una organización categorizada como industry,Industry,Academia.
GameNGen— ¿cuándo fue lanzado?
Se publicó en August 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
GameNGen— ¿Para qué se utiliza?
Funciona en el dominio de Games, y se registra como manejando la tarea de doom. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.