ProSST
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Shanghai Jiao Tong University,Shanghai AI Lab,East China University of Science and Technology
- Tipo de organización
- Academia,Academia,Academia
- País
- China
- Publicado
- 17 May 2024
- Autores
- Mingchen Li, Pan Tan, Xinzhu Ma, Bozitao Zhong, Huiqun Yu, Ziyi Zhou, Wanli Ouyang, Bingxin Zhou, Liang Hong, Yang Tan
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Protein or nucleotide language model (pLM/nLM)
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 110M
- Datos de entrenamiento
- tokens
Explicitly denoted in Table 2
18.8M structures × 300 residues per structure = 5.64B data points ≈ 5.6B data points
Entrenamiento de computación
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 6.5 × 10²⁰ FLOP
- Cómo se estableció
- Hardware
"All ProSST models is trained on a DGX-A800 GPU (8×80G) server in BF16 precision for about a month." 8*77970000000000*0.4*1month=646714368000000000000
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A800 PCIe 40 GB
- Chips usados
- 8
- Tiempo en tiempo real
- 720 hours (30 days)
- Consumo de energía
- 4.0 kW
"All ProSST models is trained [...] for about a month."
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
- Citas
- 57
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- ProSST: Protein Language Modeling with Quantized Structure and Disentangled Attention
- Última actualización
- 1 January 2026
Qué significan los números
Qué es este modelo
ProSST fue publicado por la Universidad Jiao Tong de Shanghai, el Laboratorio de IA de Shanghai, la Universidad de Ciencia y Tecnología del Este de China, en China, en mayo de 2024. La organización se categoriza como academia, Academia, Academia.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM).
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Training and provenance
Producing it required around 6.5 × 10²⁰ FLOP of arithmetic, on NVIDIA A800 PCIe 40 GB, which is a statement about the training budget rather than about inference.
Respuestas
ProSST — Preguntas frecuentes
What is ProSST used for?
ProSST works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM). These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train ProSST?
Around 6.5 × 10²⁰ FLOP, on NVIDIA A800 PCIe 40 GB. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run ProSST?
None. ProSST 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.
Is ProSST open source?
The licensing for ProSST was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does ProSST have?
ProSST has 110M parameters. Explicitly denoted in Table 2. 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.
Who created ProSST?
ProSST was published by Shanghai Jiao Tong University,Shanghai AI Lab,East China University of Science and Technology, based in China, categorised as academia,Academia,Academia.
When was ProSST released?
ProSST was published in May 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.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.