AlphaEarth Foundations (AEF)
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
- Google DeepMind,Google
- Type d'organisation
- Industry,Industry
- Pays
- United States of America
- Publié
- 30 July 2025
- Auteurs
- Christopher F. Brown, Michal R. Kazmierski, Valerie J. Pasquarella, William J. Rucklidge, Masha Samsikova, Chenhui Zhang, Evan Shelhamer, Estefania Lahera, Olivia Wiles, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Alj, Emily Schechter, Sean Askay, Oliver Guinan, Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Earth science
- Tâche
- Entity embedding, Crop Mapping / Segmentation
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
- 480M
- Données d'entraînement
- tokens
"We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency."
[videoframes] "AEF was trained over 8,412,511 video sequences containing interleaved, time-stamped frames from the sources and metadata listed in supplemental materials S1. Each frame covered a 1.28 km x 1.28 km (128 x 128 pixel) area projected into the UTM zone of the area’s centroid and were not limited in length: all available data was used totalling 3,047,520,515 frames." "AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences. "
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
- 8.5 × 10²¹ FLOP
- Comment cela a été établi
- Hardware
275000000000000 FLOP / sec / TPU v4 * 512 TPUs * 56 hours * 3600 sec / hour * 0.3 [assumed utilization] = 8.515584E21 FLOP
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
- Google TPU v4
- Chips utilisés
- 512
- Temps en temps réel
- 56 hours
- Consommation d'énergie
- 340.5 kW
"AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences"
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
- Hosted access (no API)
- 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
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data
- Dernière mise à jour
- 29 May 2026
Ce que les chiffres signifient
Contexte
AlphaEarth Foundations (AEF) a été publié par Google DeepMind,Google, dans le pays enregistré comme United States of America, durant July 2025. Cela provient d'une organisation classée comme industry,Industry.
Il fonctionne dans le domaine de Earth science, et est enregistré comme exécutant la tâche de entity embedding, Crop Mapping / Segmentation.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé environ 8.5 × 10²¹ FLOP, sur matériel enregistré comme Google TPU v4. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
AlphaEarth Foundations (AEF) — questions courantes
AlphaEarth Foundations (AEF)— quand a-t-il été publié ?
Il a été publié dans July 2025.
AlphaEarth Foundations (AEF)— à quoi ça sert ?
Il fonctionne dans le domaine de Earth science, et est enregistré comme gérant la tâche de entity embedding, Crop Mapping / Segmentation. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
AlphaEarth Foundations (AEF)— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 8.5 × 10²¹ FLOP, sur matériel enregistré comme Google TPU v4. 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.
AlphaEarth Foundations (AEF)— 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.
AlphaEarth Foundations (AEF)— 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.
AlphaEarth Foundations (AEF)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 480M. "We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency.". 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.
AlphaEarth Foundations (AEF)— qui l'a créé ?
Il a été publié par Google DeepMind,Google, basé sur United States of America, une organisation catégorisée comme industry,Industry.
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.