EXAONE 1.0
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
- LG
- Tipo de Organización
- Industry
- País
- Korea (Republic of)
- Publicado
- 14 December 2021
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
- Translation, Language modeling/generation, Visual 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
- 300B
- Datos de entrenamiento
- 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
- 1.7 × 10²⁴ FLOP
- Cómo se estableció
- Operation counting
No indication of how images are processed. Supposing they used something like ViT-H/14, and training images were 512x512 (they state "EXAONE shows remarkable performance such as [...] offering 1024x1024 sized image output", but typically this size of image training would only be done during a relatively short, final stage of pre-training), there would be 37x37 = 1,369 patches per image 1,369 * 250 million = around 342 billion image patch embeddings. 300M parameters * (342 billion + 600 billion)…
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Costo de cómputo
- $2,702,636
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.
- Modelo Frontier
- Yes
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- Training cost
- Confianza de registro
- Speculative
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Última actualización
- 1 December 2025
Qué significan los números
Acerca de este modelo
EXAONE 1.0 fue publicado por LG, en el país registrado como Korea (Republic of), durante December 2021. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Multimodal, Language, Vision, y se registra como realizando la tarea de translation, Language modeling/generation, Visual question answering.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 1.7 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
La razón por la que aparece en este catálogo en absoluto: training cost.
Respuestas
EXAONE 1.0 — preguntas comunes
EXAONE 1.0— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 300B. 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.
EXAONE 1.0— ¿Quién lo creó?
Fue publicado por LG, basado en Korea (Republic of), una organización categorizada como industry.
EXAONE 1.0— ¿cuándo fue lanzado?
Se publicó en December 2021. 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.
EXAONE 1.0— ¿Para qué se utiliza?
Funciona en el dominio de Multimodal, Language, Vision, y se registra como manejando la tarea de translation, Language modeling/generation, Visual question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
EXAONE 1.0— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.7 × 10²⁴ 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.
EXAONE 1.0— ¿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.
EXAONE 1.0— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
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.