BaGuaLu
No estimate
No se requieren 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 de ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica cambia eso..
En registro
Especificación completa
Todo lo registrado para este modelo. La mayor parte describe cómo fue entrenado más que cómo se ejecuta, un 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 se publicó?
- Organización
- Tsinghua University,Zhejiang Lab,Beijing Academy of Artificial Intelligence / BAAI,Alibaba
- Tipo de organización
- Academia,Academia,Industry
- País
- China
- Publicado
- 28 March 2022
- Autors
- Zixuan Ma, Jiaao He, Jiezhong Qiu, Huanqi Cao, Yuanwei Wang, Zhenbo Sun, Liyan Zheng, Haojie Wang, Shizhi Tang, Tianyu Zheng, Junyang Lin, Guanyu Feng, Zeqiang Huang, Jie Gao, Aohan Zeng, Jianwei Zhang, Runxin Zhong, Tianhui Shi, Sha Liu, Weimin Zheng, Jie Tang, Hongxia Yang, Xin Liu, Jidong Zhai, Wenguang Chen
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Multimodal, Language, Vision
- Tarea
- Language modeling, Image classification
- Enfoque
- Self-supervised learning
Tamaño
Qué tan grande es el modelo y cuánta data fue entrenada. Los parámetros son la cifra que decide si se ajusta a una GPU dada.
- Parámetros
- 173.9T
- Espacio entrenado
- tokens
Table 3, MoDa-174T has 173.9 trillion parameters
17.5B tokens (in English, this is approximately 13.1B words, but the conversion may be different in Chinese) and 60.5M images.
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán seguro está de la entrada.
- Citas
- 37
Fuentes
Dónde proviene este registro y cuándo se verificó por última vez.
- Referencia
- BaGuaLu: Targeting Brain Scale Pretrained Models with over 37 Million Cores
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
BaGuaLu was published by Tsinghua University,Zhejiang Lab,Beijing Academy of Artificial Intelligence / BAAI,Alibaba, in China, in March 2022. The organisation is categorised as academia,Academia,Industry.
It works in Multimodal, Language, Vision, and is recorded as doing language modeling, Image classification.
Sus pesos nunca fueron publicados, así que solo se puede acceder a ellos a través de su proveedor. Ninguna tarjeta gráfica cambia eso.
Respuestas
BaGuaLu — Preguntas comunes
Is BaGuaLu open source?
The licensing for BaGuaLu 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 BaGuaLu have?
BaGuaLu has 173.9T parameters. Table 3, MoDa-174T has 173.9 trillion parameters. 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 BaGuaLu?
BaGuaLu was published by Tsinghua University,Zhejiang Lab,Beijing Academy of Artificial Intelligence / BAAI,Alibaba, based in China, categorised as academia,Academia,Industry.
When was BaGuaLu released?
BaGuaLu was published in March 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is BaGuaLu used for?
BaGuaLu works in Multimodal, Language, Vision, and is recorded as handling language modeling, Image classification. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run BaGuaLu?
None. BaGuaLu 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.
El otro camino
¿Viéndolo desde el otro lado?
Esta página comienza desde el modelo. Si ya tienes una tarjeta y quieres saber todo lo que puede ejecutar., iniciar desde el hardware.