Vega v2
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
- Wuhan University,JD Explore Academy,Shanghai AI Lab,Nanyang Technological University,Washington University in St Louis,Chongqing University of Posts and Telecommunications,University of Sydney
- Tipo de Organización
- Academia,Academia,Academia,Academia,Academia,Academia
- País
- China, Singapore, United States of America, Australia
- Publicado
- 4 December 2022
- Autores
- Qihuang Zhong, Liang Ding, Yibing Zhan, Yu Qiao, Yonggang Wen, Li Shen, Juhua Liu, Baosheng Yu, Bo Du, Yixin Chen, Xinbo Gao, Chunyan Miao, Xiaoou Tang, Dacheng Tao
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, Question answering, Word sense disambiguation
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
- 6B
- Datos de entrenamiento
- 6,439,999,999 tokens
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
- 7.8 × 10²² FLOP
Pretraining took 1 month on 320 A100 (Section 3.1) 720*60*60*320*312000000000000*0.3=7.7635584e+22
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
- Chips utilizados
- 320
- Tiempo de reloj
- 720 hours (30 days)
- Consumo de energía
- 255.9 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.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 42
Highest score at SuperGLUE leaderboard version 2.0 in terms of RTE (Recognizing Textual Entailment-Accuracy)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Toward Efficient Language Model Pretraining and Downstream Adaptation via Self-Evolution: A Case Study on SuperGLUE
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
Vega v2 fue publicado por Wuhan University,JD Explore Academy,Shanghai AI Lab,Nanyang Technological University,Washington University in St Louis,Chongqing University of Posts and Telecommunications,University of Sydney, en el país registrado como China, durante December 2022. La categoría en la que se encuentra el editor es academia,Academia,Academia,Academia,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling, Question answering, Word sense disambiguation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 7.8 × 10²² FLOP, en hardware registrado como NVIDIA A100. 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 6,439,999,999 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
Vega v2 — preguntas comunes
Vega v2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Vega v2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 6B. 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.
Vega v2— ¿Quién lo creó?
Fue publicado por Wuhan University,JD Explore Academy,Shanghai AI Lab,Nanyang Technological University,Washington University in St Louis,Chongqing University of Posts and Telecommunications,University of Sydney, basado en China, una organización categorizada como academia,Academia,Academia,Academia,Academia,Academia.
Vega v2— ¿cuándo fue lanzado?
Se publicó en December 2022. 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.
Vega v2— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling, Question answering, Word sense disambiguation. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Vega v2— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.8 × 10²² FLOP, en hardware registrado como NVIDIA A100. 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.
Vega v2— ¿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.
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.