Eagle 2.5
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
- NVIDIA,Nanjing University,Hong Kong Polytechnic University,Rutgers University
- Type d'organisation
- Industry,Academia,Academia,Academia
- Pays
- United States of America, China, Hong Kong
- Publié
- 21 April 2025
- Auteurs
- Guo Chen, Zhiqi Li, Shihao Wang, Jindong Jiang, Yicheng Liu, Lidong Lu, De-An Huang, Wonmin Byeon, Matthieu Le, Tuomas Rintamaki, Tyler Poon, Max Ehrlich, Tuomas Rintamaki, Tyler Poon, Tong Lu, Limin Wang, Bryan Catanzaro, Jan Kautz, Andrew Tao, Zhiding Yu, Guilin Liu
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision, Robotics, Language
- Modèle de base
- Qwen2.5-7B
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
- 8B
- Données d'entraînement
- tokens
Table 8. "Full Model, 8B" Could be Qwen2.5-7B + MLP Connector (40M) https://nvlabs.github.io/EAGLE/ as of 2025-05-29: "Eagle-2.5 Weights (Coming Soon)"
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
- Eagle 2.5: Boosting Long-Context Post-Training for Frontier Vision-Language Models
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Eagle 2.5 a été publié par NVIDIA,Nanjing University,Hong Kong Polytechnic University,Rutgers University, dans le pays enregistré comme United States of America, durant April 2025. L'organisation de publication est catégorisée comme industry,Academia,Academia,Academia.
Il fonctionne dans le domaine de Vision, Robotics, Language.
Son point de départ était un modèle de base existant, Qwen2.5-7B. C'est pourquoi il partage la forme et la taille générales du modèle de base.
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
Eagle 2.5 — questions courantes
Eagle 2.5— quand a-t-il été publié ?
Il a été publié dans April 2025.
Eagle 2.5— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, Robotics, Language. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Eagle 2.5— 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.
Eagle 2.5— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
Eagle 2.5— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 8B. Table 8. "Full Model, 8B" Could be Qwen2.5-7B + MLP Connector (40M) https://nvlabs.github.io/EAGLE/ as of 2025-05-29: "Eagle-2.5 Weights (Coming Soon)". 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.
Eagle 2.5— qui l'a créé ?
Il a été publié par NVIDIA,Nanjing University,Hong Kong Polytechnic University,Rutgers University, basé sur United States of America, une organisation catégorisée comme industry,Academia,Academia,Academia.
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.