Seed1.5-VL
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
- ByteDance
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 11 May 2025
- Autores
- Dong Guo, Faming Wu, Feida Zhu, Fuxing Leng, Guang Shi, Haobin Chen, Haoqi Fan, Jian Wang, Jianyu Jiang, Jiawei Wang, Jingji Chen, Jingjia Huang, Kang Lei, Liping Yuan, Lishu Luo, Pengfei Liu, Qinghao Ye, Rui Qian, Shen Yan, Shixiong Zhao, Shuai Peng, Shuangye Li, Sihang Yuan, Sijin Wu, Tianheng Cheng, Weiwei Liu, Wenqian Wang, Xianhan Zeng, Xiao Liu, Xiaobo Qin, Xiaohan Ding, Xiaojun Xiao, Xiaoyi…
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision, Language, Multimodal, Video
- Tarea
- Visual question answering, Video description, Language modeling/generation, Question answering, Character recognition (OCR)
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.
- Datos de entrenamiento
- 3,000,000,000,000 tokens
"more than 3T multimodal data 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
- 1.4 × 10²⁴ FLOP
- Cómo se estableció
- Hardware
989000000000000 FLOP / GPU / sec [H800, bf16 assumed] * 1300000 GPU-hours [see training time notes] * 3600 sec / hour * 0.3 [assumed utilization] = 1.388556e+24 FLOP
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 H800 SXM5
- Horas de chip
- 1,300,000
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
- API access
- Código de entrenamiento
- Unreleased
API (log in and select Doubao-1.5-thinking-vision-pro to experience): https://www.volcengine.com/experience/ark?model=doubao-1-5-thinking-vision-pro-250428 GitHub sample code (Apache 2.0): https://github.com/ByteDance-Seed/Seed1.5-VL
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
Table 6
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Seed1.5-VL Technical Report
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
Seed1.5-VL fue publicado por ByteDance, en el país registrado como China, durante May 2025. La organización editora está clasificada como industry.
Funciona en el dominio de Vision, Language, Multimodal, Video, y se registra como realizando la tarea de visual question answering, Video description, Language modeling/generation, Question answering, Character recognition (OCR).
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 1.4 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 3,000,000,000,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
Seed1.5-VL — preguntas comunes
Seed1.5-VL— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.4 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. 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.
Seed1.5-VL— ¿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.
Seed1.5-VL— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Seed1.5-VL— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Seed1.5-VL— ¿Quién lo creó?
Fue publicado por ByteDance, basado en China, una organización categorizada como industry.
Seed1.5-VL— ¿cuándo fue lanzado?
Se publicó en May 2025.
Seed1.5-VL— ¿Para qué se utiliza?
Funciona en el dominio de Vision, Language, Multimodal, Video, y se registra como manejando la tarea de visual question answering, Video description, Language modeling/generation, Question answering, Character recognition (OCR). Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.