CODA
Sin estimación
No hay 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 en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab
- Tipo de organización
- Academia,Academia,Academia
- País
- Hong Kong, China
- Publicado
- 31 May 2021
- Autores
- Lin Zheng, Zhiyong Wu, Lingpeng Kong
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, Translation
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 246.9M
- Datos de entrenamiento
- 103,000,000 tokens
Table 1
"Wikitext-103 [...] consists of articles from Wikipedia with the token number around 103M/218K/246K for the training/validation/testing splits respectively."
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Open source
MIT for code: https://github.com/LZhengisme/CODA
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
- Citations
- 3
- Benchmark data
- CODA
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Cascaded Head-colliding Attention
- Última actualización
- 1 December 2025
Qué significan los números
Background
CODA was published by The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, in Hong Kong, in May 2021. The organisation is categorised as academia,Academia,Academia.
It works in Language, and is recorded as doing language modeling, Translation.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Qué se utilizó para construirlo
Around 103,000,000 tokens went into training it.
Respuestas
CODA — Preguntas frecuentes
Who created CODA?
CODA was published by The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, based in Hong Kong, categorised as academia,Academia,Academia.
When was CODA released?
CODA was published in May 2021. 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 CODA used for?
CODA works in Language, and is recorded as handling language modeling, Translation. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run CODA?
None. CODA 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.
Is CODA open source?
No. CODA has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does CODA have?
CODA has 246.9M parameters. Table 1. 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.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.