DiLoCoX (Qwen1.5-107B on WT-103)
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
- China Mobile,Zero Gravity Labs (0g AI)
- Type d'organisation
- Industry,Industry
- Pays
- China, United States of America
- Publié
- 26 June 2025
- Auteurs
- Ji Qi, WenPeng Zhu, Li Li, Ming Wu, YingJun Wu, Wu He, Xun Gao, Jason Zeng, Michael Heinrich
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Question answering
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
- 107B
- Données d'entraînement
- tokens
4000 steps unknown number of epochs or sequence length
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 A800 PCIe 40 GB
- Chips utilisés
- 160
- Consommation d'énergie
- 78.3 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
- 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.
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- DiLoCoX: A Low-Communication Large-Scale Training Framework for Decentralized Cluster
- Dernière mise à jour
- 11 February 2026
Ce que les chiffres signifient
D'où cela vient-il
DiLoCoX (Qwen1.5-107B on WT-103) a été publié par China Mobile,Zero Gravity Labs (0g AI), dans le pays enregistré comme China, durant June 2025. La catégorie à laquelle appartient l'éditeur est industry,Industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering.
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.
Réponses
DiLoCoX (Qwen1.5-107B on WT-103) — questions courantes
DiLoCoX (Qwen1.5-107B on WT-103)— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
DiLoCoX (Qwen1.5-107B on WT-103)— 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.
DiLoCoX (Qwen1.5-107B on WT-103)— 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.
DiLoCoX (Qwen1.5-107B on WT-103)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 107B. 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.
DiLoCoX (Qwen1.5-107B on WT-103)— qui l'a créé ?
Il a été publié par China Mobile,Zero Gravity Labs (0g AI), basé sur China, une organisation catégorisée comme industry,Industry.
DiLoCoX (Qwen1.5-107B on WT-103)— quand a-t-il été publié ?
Il a été publié dans June 2025.
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.