Demist-2
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
- Darktrace
- Tipo de Organización
- Industry
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 17 April 2025
- Autores
- Miguel Neves Fonseca, Philip Sellars, Tim Bazalgette
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/generation, Text classification, Question answering, Entity embedding
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
- 95M
- Datos de entrenamiento
- 351,000,000,000 tokens
- Épocas
- 1.8
95M
C4: We extracted a 305 billion token subset URIs: We extracted the available URIs from several Common Crawl web scrapes. This allowed us to create a large corpus of 10 billion tokens. Linked Hostnames: Using the Common Crawl dataset, we extracted the observed links between web pages. <..> We further processed this data into rows of hostnames that shared linking properties which totaled 11 billion tokens. HTTP Data: 25 billion tokens. 305 + 10 + 11 + 25 = 351 b tokens "1.2 million optimization …
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
- 4.6 × 10²⁰ FLOP
- Cómo se estableció
- Operation counting,Hardware
6 FLOP / parameter / token * 95 * 10^6 parameters * 351 * 10^9 tokens [see dataset size notes] *1.8 epochs = 3.60126e+20 FLOP 312000000000000 FLOP / GPU / sec [A100 reported] * 8 GPUs * 216 hours [9 days reported] * 3600 sec / hour * 0.3 [assumed utilization] = 5.8226688e+20 FLOP sqrt(3.60126e+20 * 5.8226688e+20) = 4.579186e+20 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 A100
- Chips utilizados
- 8
- Tiempo de reloj
- 216 hours (9 days)
- Consumo de energía
- 6.3 kW
- Proveedor de nube
- AWS,Amazon Web Services
"DEMIST-2 was trained on 8 A100 GPUs over a nine-day period using the AWS Sagemaker platform." 9 days = 216 hours
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
- Hosted access (no API)
- 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.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- DEMIST-2: Darktrace Embedding Model for Investigation of Security Threats
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Demist-2 fue publicado por Darktrace, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante April 2025. La organización editora está clasificada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Text classification, Question answering, Entity embedding.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Entrenarlo tomó un presupuesto de computación de aproximadamente 4.6 × 10²⁰ FLOP, en hardware registrado como NVIDIA A100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 351,000,000,000 tokens de texto
Respuestas
Demist-2 — preguntas comunes
Demist-2— ¿Quién lo creó?
Fue publicado por Darktrace, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry.
Demist-2— ¿cuándo fue lanzado?
Se publicó en April 2025.
Demist-2— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Text classification, Question answering, Entity embedding. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
Demist-2— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 4.6 × 10²⁰ FLOP, en hardware registrado como NVIDIA A100. 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.
Demist-2— ¿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.
Demist-2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Demist-2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 95M. 95M. 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.
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.