YaART
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Yandex
- Type d'organisation
- Industry
- Pays
- Russia
- Publié
- 8 April 2024
- Auteurs
- Sergey Kastryulin, Artem Konev, Alexander Shishenya, Eugene Lyapustin, Artem Khurshudov, Alexander Tselousov, Nikita Vinokurov, Denis Kuznedelev, Alexander Markovich, Grigoriy Livshits, Alexey Kirillov, Anastasiia Tabisheva, Liubov Chubarova, Marina Kaminskaia, Alexander Ustyuzhanin, Artemii Shvetsov, Daniil Shlenskii, Valerii Startsev, Dmitrii Kornilov, Mikhail Romanov, Artem Babenko, Sergei Ovch…
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Image generation
- Tâche
- Text-to-image, Image generation
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 2.3B
- Données d'entraînement
- tokens
- Taille de lot
- 4,800
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 8.2 × 10¹⁹ FLOP
- Comment cela a été établi
- Operation counting
There is cascade of 3 models: GEN64 Parameters: 2.3 billion Input: Textual prompt Output: 64x64 image Batch Size: 4800 Iterations: 1.1 × 10^6 Compute = 6 * 2.3 billion * 4800 * 1.1 × 10^6 = 7.2864e+19 SR256 Parameters: 700 million Input: 64x64 image Output: 256x256 image Batch Size: 960 Iterations: 1.5 × 10^6 Compute = 6 * 700 million * 960 * 1.5 × 10^6 = 6.048e+18 SR1024 Parameters: 700 million Input: 256x256 image Output: 1024x1024 image Batch Size: 512 Iterations: 1.5 × 10^6 Compute …
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100 SXM4 80 GB
- Chips utilisés
- 160
- Consommation d'énergie
- 126.5 kW
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- API access
- Code d'entraînement
- Unreleased
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Speculative
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- YaART: Yet Another ART Rendering Technology
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
YaART a été publié par Yandex, dans le pays enregistré comme Russia, durant April 2024. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Image generation, et est enregistré comme exécutant la tâche de text-to-image, Image generation.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Comment il a été entraîné
L'entraînement a nécessité un budget de calcul d'environ 8.2 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
YaART — questions courantes
YaART— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
YaART— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
YaART— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 2.3B. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
YaART— qui l'a créé ?
Il a été publié par Yandex, basé sur Russia, une organisation catégorisée comme industry.
YaART— quand a-t-il été publié ?
Il a été publié dans April 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
YaART— à quoi ça sert ?
Il fonctionne dans le domaine de Image generation, et est enregistré comme gérant la tâche de text-to-image, Image generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
YaART— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 8.2 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 80 GB. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.