π0.7 (pi-0.7)
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
- Physical Intelligence
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 16 April 2026
- Auteurs
- Bo Ai, Ali Amin, Raichelle Aniceto, Ashwin Balakrishna, Greg Balke, Kevin Black, George Bokinsky, Shihao Cao, Thomas Charbonnier, Vedant Choudhary, Foster Collins, Ken Conley, Grace Connors, James Darpinian, Karan Dhabalia, Maitrayee Dhaka, Jared DiCarlo, Danny Driess, Michael Equi, Adnan Esmail, Yunhao Fang, Chelsea Finn, Catherine Glossop, Thomas Godden, Ivan Goryachev, Lachlan Groom, Haroun Hab…
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Robotics, Vision
- Tâche
- Robotic manipulation
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
- 5.3B
- Données d'entraînement
- tokens
"nitialized from the Gemma3 4B-parameter VLM [106] [...] (including a 400M-parameter vision encoder), and a flow matching action expert with 860M parameters. The model has about 5B total parameters."
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
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
- π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities
- Dernière mise à jour
- 13 May 2026
Ce que les chiffres signifient
À propos de ce modèle
π0.7 (pi-0.7) a été publié par Physical Intelligence, dans le pays enregistré comme United States of America, durant April 2026. La catégorie à laquelle appartient l'éditeur est industry.
Il fonctionne dans le domaine de Robotics, Vision, et est enregistré comme exécutant la tâche de robotic manipulation.
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
π0.7 (pi-0.7) — questions courantes
π0.7 (pi-0.7)— qui l'a créé ?
Il a été publié par Physical Intelligence, basé sur United States of America, une organisation catégorisée comme industry.
π0.7 (pi-0.7)— quand a-t-il été publié ?
Il a été publié dans April 2026.
π0.7 (pi-0.7)— à quoi ça sert ?
Il fonctionne dans le domaine de Robotics, Vision, et est enregistré comme gérant la tâche de robotic manipulation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
π0.7 (pi-0.7)— 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.
π0.7 (pi-0.7)— 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.
π0.7 (pi-0.7)— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 5.3B. "nitialized from the Gemma3 4B-parameter VLM [106] [...] (including a 400M-parameter vision encoder), and a flow matching action expert with 860M parameters. The model has about 5B total parameters.". 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.
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.