M6-T
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
- Alibaba
- Type d'organisation
- Industry
- Pays
- China
- Publié
- 5 March 2021
- Auteurs
- An Yang, Junyang Lin, Rui Men, Chang Zhou, Le Jiang, Xianyan Jia, Ang Wang, Jie Zhang, Jiamang Wang, Yong Li, Di Zhang, Wei Lin, Lin Qu, Jingren Zhou, Hongxia Yang
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Multimodal, Language, Vision
- Tâche
- Chat, Image captioning
- Approche
- Self-supervised learning
- Format numérique
- FP16
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
- 1T
- Données d'entraînement
- 111,800,000,000 tokens
Table 5. Note model is sparse MoE with 960 experts; not all parameters are activated on the forward pass.
60.5B images and 111.8B tokens of text
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
- 5.5 × 10²¹ FLOP
- Comment cela a été établi
- Third-party estimation
Estimate taken from https://www.governance.ai/research-paper/recent-trends-chinas-llm-landscape
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 Tesla V100 DGXS 32 GB
- Chips utilisés
- 480
- Consommation d'énergie
- 243.3 kW
- Coût de calcul
- $13,157
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
- Unreleased
- 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.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Likely
- Citations
- 76
Improves on hardware SOTA for similar problems Abstract: "We push the model scale to over 1 trillion parameters and implement it on solely 480 NVIDIA V100-32GB GPUs, in comparison with the recent SOTAs [11; 6] on 2048 TPU cores."
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- M6-T: Exploring Sparse Expert Models and Beyond
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Ce que ce modèle est
M6-T a été publié par Alibaba, dans le pays enregistré comme China, durant March 2021. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Multimodal, Language, Vision, et est enregistré comme exécutant la tâche de chat, Image captioning.
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.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 5.5 × 10²¹ FLOP, sur matériel enregistré comme NVIDIA Tesla V100 DGXS 32 GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 111,800,000,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Réponses
M6-T — questions courantes
M6-T— à quoi ça sert ?
Il fonctionne dans le domaine de Multimodal, Language, Vision, et est enregistré comme gérant la tâche de chat, Image captioning. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
M6-T— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 5.5 × 10²¹ FLOP, sur matériel enregistré comme NVIDIA Tesla V100 DGXS 32 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.
M6-T— 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.
M6-T— 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.
M6-T— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 1T. Table 5. Note model is sparse MoE with 960 experts; not all parameters are activated on the forward pass. 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.
M6-T— qui l'a créé ?
Il a été publié par Alibaba, basé sur China, une organisation catégorisée comme industry.
M6-T— quand a-t-il été publié ?
Il a été publié dans March 2021. 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.
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.