YaART
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
- Yandex
- Tipo de Organización
- Industry
- País
- Russia
- Publicado
- 8 April 2024
- Autores
- Sergey Kastryulin, Artem Konev, Alexander Shishenya, Eugene Lyapustin, Artem Khurshudov, Alexander Tselousov, Nikita Vinokurov, Denis Kuznedelev, Alexander Markovich, Grigoriy Livshits, Alexey Kirillov, Anastasiia Tabisheva, Liubov Chubarova, Marina Kaminskaia, Alexander Ustyuzhanin, Artemii Shvetsov, Daniil Shlenskii, Valerii Startsev, Dmitrii Kornilov, Mikhail Romanov, Artem Babenko, Sergei Ovch…
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Image generation
- Tarea
- Text-to-image, Image generation
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
- 2.3B
- Datos de entrenamiento
- tokens
- Tamaño de lote
- 4,800
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
- 8.2 × 10¹⁹ FLOP
- Cómo se estableció
- Operation counting
There is cascade of 3 models: GEN64 Parameters: 2.3 billion Input: Textual prompt Output: 64x64 image Batch Size: 4800 Iterations: 1.1 × 10^6 Compute = 6 * 2.3 billion * 4800 * 1.1 × 10^6 = 7.2864e+19 SR256 Parameters: 700 million Input: 64x64 image Output: 256x256 image Batch Size: 960 Iterations: 1.5 × 10^6 Compute = 6 * 700 million * 960 * 1.5 × 10^6 = 6.048e+18 SR1024 Parameters: 700 million Input: 256x256 image Output: 1024x1024 image Batch Size: 512 Iterations: 1.5 × 10^6 Compute …
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
- NVIDIA A100 SXM4 80 GB
- Chips utilizados
- 160
- Consumo de energía
- 126.5 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
- API access
- 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
- Speculative
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- YaART: Yet Another ART Rendering Technology
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
YaART fue publicado por Yandex, en el país registrado como Russia, durante April 2024. Sale de una organización categorizada como industry.
Funciona en el dominio de Image generation, y se registra como realizando la tarea de text-to-image, Image generation.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Cómo fue entrenado
Entrenarlo tomó un presupuesto de computación de aproximadamente 8.2 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
YaART — preguntas comunes
YaART— ¿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.
YaART— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
YaART— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.3B. 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.
YaART— ¿Quién lo creó?
Fue publicado por Yandex, basado en Russia, una organización categorizada como industry.
YaART— ¿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.
YaART— ¿Para qué se utiliza?
Funciona en el dominio de Image generation, y se registra como manejando la tarea de text-to-image, Image generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
YaART— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 8.2 × 10¹⁹ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. 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.