π0.5 (pi-0.5)
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
- Physical Intelligence
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 22 April 2025
- Autores
- Kevin Black, Noah Brown, James Darpinian, Karan Dhabalia, Danny Driess, Adnan Esmail, Michael Equi, Chelsea Finn, Niccolo Fusai, Manuel Y. Galliker, Dibya Ghosh, Lachy Groom, Karol Hausman, Brian Ichter, Szymon Jakubczak, Tim Jones, Liyiming Ke, Devin LeBlanc, Sergey Levine, Adrian Li-Bell, Mohith Mothukuri, Suraj Nair, Karl Pertsch, Allen Z. Ren, Lucy Xiaoyang Shi, Laura Smith, Jost Tobias Spring…
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics, Vision
- Tarea
- Robotic manipulation
- Modelo base
- PaliGemma
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
- 3.3B
- Datos de entrenamiento
- tokens
Fig. 3: Model overview pre-training: - PaliGemma (3B): SigLIP (400M) + Gemma (2.6B) - FAST tokenizer post-training: - pretrained VLM (3B) - action expert (300M) inference: same as post-training this is in line with π0's 3.3B parameters
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
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 337
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- $π_{0.5}$: a Vision-Language-Action Model with Open-World Generalization
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
π0.5 (pi-0.5) fue publicado por Physical Intelligence, en el país registrado como United States of America, durante April 2025. La organización editora está clasificada como industry.
Funciona en el dominio de Robotics, Vision, y se registra como realizando la tarea de robotic manipulation.
Se basa en PaliGemma. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Respuestas
π0.5 (pi-0.5) — preguntas comunes
π0.5 (pi-0.5)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
π0.5 (pi-0.5)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 3.3B. Fig. 3: Model overview pre-training: - PaliGemma (3B): SigLIP (400M) + Gemma (2.6B) - FAST tokenizer post-training: - pretrained VLM (3B) - action expert (300M) inference: same as post-training this is in line with π0's 3.3B parameters. 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.
π0.5 (pi-0.5)— ¿Quién lo creó?
Fue publicado por Physical Intelligence, basado en United States of America, una organización categorizada como industry.
π0.5 (pi-0.5)— ¿cuándo fue lanzado?
Se publicó en April 2025.
π0.5 (pi-0.5)— ¿Para qué se utiliza?
Funciona en el dominio de Robotics, Vision, y se registra como manejando la tarea de robotic manipulation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
π0.5 (pi-0.5)— ¿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.
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.