CHAI-1
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos de este modelo son OPEN WEIGHT, pero no se ha publicado ninguna cuenta de parámetros para él. Cada figura de MEMORY y velocidad comienza a partir de ese número, así que preferiríamos no mostrar nada que una estimación fabricada..
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
- Chai discovery
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 15 October 2024
- Autores
- Jacques Boitreaud, Jack Dent, Matthew McPartlon, Joshua Meier, Vinicius Reis, Alex Rogozhnikov, Kevin Wu
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Protein folding prediction, Protein-ligand contact prediction
- Formato numérico
- BF16
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
- tokens
- Tamaño de lote
- 128
Taken from paper
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
- 7.8 × 10²¹ FLOP
- Cómo se estableció
- Hardware
From paper: 128 A100s for 30 days; assumptions: 30% utilization rate, FP16 precision
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
- 128
- Tiempo de reloj
- 720 hours (30 days)
- Consumo de energía
- 100.8 kW
Taken from paper: 128 A100s for 30 days
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
- Open — downloadable
- Acceso al modelo
- Open weights (non-commercial)
- Código de entrenamiento
- Open (non-commercial)
https://github.com/chaidiscovery/chai-lab?tab=License-1-ov-file
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
Matches or beats AF3 on Ligand PoseBusters
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Introducing Chai-1: Decoding the molecular interactions of life
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
CHAI-1 fue publicado por Chai discovery, en el país registrado como United States of America, durante October 2024. Sale de una organización categorizada como industry.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein folding prediction, Protein-ligand contact prediction.
El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 7.8 × 10²¹ 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.
La razón por la que aparece en este catálogo en absoluto: sOTA improvement.
Respuestas
CHAI-1 — preguntas comunes
CHAI-1— ¿Quién lo creó?
Fue publicado por Chai discovery, basado en United States of America, una organización categorizada como industry.
CHAI-1— ¿cuándo fue lanzado?
Se publicó en October 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
CHAI-1— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein folding prediction, Protein-ligand contact prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
CHAI-1— ¿Dónde puedo descargarlo?
Los pesos están publicados, aunque no tenemos un enlace de repositorio para ello. Este sitio calcula los requisitos de hardware en lugar de alojar archivos de modelo.
CHAI-1— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.8 × 10²¹ 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.
CHAI-1— ¿Qué GPU necesito para ejecutarlo?
No podemos decir. Tiene pesos abiertos, pero no se ha publicado ningún conteo de parámetros para él, y todos los cálculos de memoria y velocidad comienzan desde ese número. Preferiríamos no mostrar nada que una estimación fabricada.
CHAI-1— ¿Es de código abierto?
Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.
CHAI-1— ¿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.
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.