GR-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
- ByteDance
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 8 October 2024
- Autores
- Hang Li, Yifeng Li, Yuxiao Liu, Hongtao Wu, Jiafeng Xu, Yichu Yang, Hanbo Zhang, Minzhao Zhu
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics
- Tarea
- Video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation
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
- 230M
- Datos de entrenamiento
- tokens
the default GR-2 model contains 230M parameters, of which 95M are trainable
This large-scale pre-training, involving 38 million video clips and over 50 billion tokens
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
- 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.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 224
Top perfoming model on CALVIN benchmark.
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
GR-2 fue publicado por ByteDance, en el país registrado como China, durante October 2024. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Robotics, y se registra como realizando la tarea de video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
GR-2 — preguntas comunes
GR-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.
GR-2— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GR-2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 230M. the default GR-2 model contains 230M parameters, of which 95M are trainable. 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.
GR-2— ¿Quién lo creó?
Fue publicado por ByteDance, basado en China, una organización categorizada como industry.
GR-2— ¿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.
GR-2— ¿Para qué se utiliza?
Funciona en el dominio de Robotics, y se registra como manejando la tarea de video, Action recognition, Video generation, Instruction interpretation, 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.
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.