HGRN2 1B
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
- Shanghai AI Lab,Massachusetts Institute of Technology (MIT),Taptap
- Tipo de Organización
- Academia,Academia,Industry
- País
- China, United States of America, Spain
- Publicado
- 11 April 2024
- Autores
- Zhen Qin, Songlin Yang, Weixuan Sun, Xuyang Shen, Dong Li, Weigao Sun, Yiran Zhong
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Question answering
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.
- parámetros
- 1B
- Datos de entrenamiento
- 100,000,000,000 tokens
1B
100B Table 6
Cómputo de entrenamiento
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 qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 6 × 10²¹ FLOP
- Cómo se estableció
- Operation counting
6ND = 6*10^9 * 100*10^9 = 6*10^21
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
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- HGRN2: Gated Linear RNNs with State Expansion
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
HGRN2 1B fue publicado por Shanghai AI Lab,Massachusetts Institute of Technology (MIT),Taptap, en el país registrado como China, durante April 2024. Sale de una organización categorizada como academia,Academia,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 6 × 10²¹ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 100,000,000,000 tokens de texto
Respuestas
HGRN2 1B — preguntas comunes
HGRN2 1B— ¿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.
HGRN2 1B— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
HGRN2 1B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1B. 1B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
HGRN2 1B— ¿Quién lo creó?
Fue publicado por Shanghai AI Lab,Massachusetts Institute of Technology (MIT),Taptap, basado en China, una organización categorizada como academia,Academia,Industry.
HGRN2 1B— ¿cuándo fue lanzado?
Se publicó en April 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.
HGRN2 1B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
HGRN2 1B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6 × 10²¹ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
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.