PLTNUM
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
- Kyoto University,National Institute of Biomedical Innovation,RIKEN
- Tipo de Organización
- Academia,Government
- País
- Japan
- Publicado
- 14 September 2024
- Autores
- Tatsuya Sagawa, Eisuke Kanao, Kosuke Ogata, Koshi Imami, Yasushi Ishihama
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 property prediction
- Modelo base
- SaProt
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
- 650M
- Datos de entrenamiento
- tokens
- Épocas
- 10
Total Datapoints = Number of Proteins × Sequence Length Total Datapoints = 4,162 × 510 = 2,122,620 tokens Final result ≈ 2.1 × 10^6 tokens
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
- Prediction of Protein Half-lives from Amino Acid Sequences by Protein Language Models
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
PLTNUM fue publicado por Kyoto University,National Institute of Biomedical Innovation,RIKEN, en el país registrado como Japan, durante September 2024. La categoría en la que se encuentra el editor es academia,Government.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein property prediction.
En lugar de ser entrenado desde cero, se deriva de SaProt. Esa es la forma habitual en que se produce un modelo especializado.
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.
Respuestas
PLTNUM — preguntas comunes
PLTNUM— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein property prediction. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
PLTNUM— ¿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.
PLTNUM— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
PLTNUM— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 650M. 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.
PLTNUM— ¿Quién lo creó?
Fue publicado por Kyoto University,National Institute of Biomedical Innovation,RIKEN, basado en Japan, una organización categorizada como academia,Government.
PLTNUM— ¿cuándo fue lanzado?
Se publicó en September 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.
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.