Seed-1.6-Thinking
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
- ByteDance
- Tipo de organización
- Industry
- País
- China
- Publicado
- 11 June 2025
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/generation, Vision-language generation
- Approach
- Reinforcement learning
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
- 230B
- Datos de entrenamiento
- tokens
Model has 230B parameters total, with 23B active parameters (sparse MoE setting).
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
- API access
- Código de entrenamiento
- Unreleased
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Registrar confianza
- Confident
Best performing model on CompassBench LLM Leaderboard (OpenCompass) in terms of Language https://rank.opencompass.org.cn/leaderboard-llm/?m=25-07
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Introduction to Techniques Used in Seed1.6
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Seed-1.6-Thinking was published by ByteDance, in China, in June 2025. industry is the category the publisher falls under.
It works in Multimodal, Language, Vision, and is recorded as doing language modeling/generation, Vision-language generation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Qué se utilizó para construirlo
The reason it appears in this catalogue at all is sOTA improvement.
Respuestas
Seed-1.6-Thinking — Preguntas frecuentes
What is Seed-1.6-Thinking used for?
Seed-1.6-Thinking works in Multimodal, Language, Vision, and is recorded as handling language modeling/generation, Vision-language generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Seed-1.6-Thinking?
None. Seed-1.6-Thinking 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.
¿Es Seed-1.6-Thinking de código abierto?
No. Seed-1.6-Thinking has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Seed-1.6-Thinking have?
Seed-1.6-Thinking has 230B parameters. Model has 230B parameters total, with 23B active parameters (sparse MoE setting). 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 Seed-1.6-Thinking?
Seed-1.6-Thinking was published by ByteDance, based in China, categorised as industry.
When was Seed-1.6-Thinking released?
Seed-1.6-Thinking was published in June 2025.
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.