NVLM-H 72B
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
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 22 October 2024
- Auteurs
- Wenliang Dai, Nayeon Lee, Boxin Wang, Zhuolin Yang, Zihan Liu, Jon Barker, Tuomas Rintamaki, Mohammad Shoeybi, Bryan Catanzaro, Wei Ping
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Vision, Language
- Tâche
- Language modeling/generation, Vision-language generation, Question answering, Code generation, Translation, Quantitative reasoning
- Modèle de base
- Qwen2-72B,InternViT-6B
- Format numérique
- BF16
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
- 72B
- Données d'entraînement
- 125,829,120,000 tokens
- Époques
- 1
72B
Pre-training: Global batch size 2,048 Sequence length in the LLM decoder 512 Downsampling of visual tokens 1024->256 # of visual token per tile 256 # of tiles 6+1 # of training steps 20K 2048 * (512+256*7) * 20000 = 94,371,840,000 SFT: Global batch size 256 Sequence length in the LLM decoder 1,280 # of visual token per tile 256 # of tiles 6+1 # of training steps 40K 256*(1280+256*7)*40000 = 31,457,280,000 94,371,840,000 + 31,457,280,000 = 125,829,120,000
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
- 3 × 10²⁴ FLOP
- Comment cela a été établi
- Operation counting
- Ajustement fin des calculs
- 5.4 × 10²² FLOP
Additional compute in this paper is negligible relative to the compute used to train the language model backbone (Qwen2-72B at 3.02e24 FLOP)
6ND = 6*125,829,120,000*72000000000.00 = 5.436e22
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 H100 SXM5 80GB
- Chips utilisés
- 128
- Consommation d'énergie
- 176.4 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.
- Probablement au-dessus de 10²³ FLOP
- Yes
- Pourquoi c'est suivi
- Training cost
- Confiance d'enregistrement
- Likely
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- NVLM: Open Frontier-Class Multimodal LLMs
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
D'où cela vient-il
NVLM-H 72B a été publié par NVIDIA, dans le pays enregistré comme United States of America, durant October 2024. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Vision, Language, et est enregistré comme exécutant la tâche de language modeling/generation, Vision-language generation, Question answering, Code generation, Translation, Quantitative reasoning.
Plutôt que d'être entraîné depuis le début, il est dérivé de Qwen2-72B,InternViT-6B. C'est la façon habituelle de produire un modèle spécialisé.
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.
Comment il a été entraîné
L'entraînement a nécessité un budget de calcul d'environ 3 × 10²⁴ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'entraînement a consommé un corpus d'environ 125,829,120,000 jetons de texte
Il est suivi dans le ensemble de données sous-jacent pour une raison particulière : training cost.
Réponses
NVLM-H 72B — questions courantes
NVLM-H 72B— qui l'a créé ?
Il a été publié par NVIDIA, basé sur United States of America, une organisation catégorisée comme industry.
NVLM-H 72B— quand a-t-il été publié ?
Il a été publié dans October 2024. 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.
NVLM-H 72B— à quoi ça sert ?
Il fonctionne dans le domaine de Vision, Language, et est enregistré comme gérant la tâche de language modeling/generation, Vision-language generation, Question answering, Code generation, Translation, Quantitative reasoning. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
NVLM-H 72B— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 3 × 10²⁴ FLOP, sur matériel enregistré comme NVIDIA H100 SXM5 80GB. 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.
NVLM-H 72B— 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.
NVLM-H 72B— 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.
NVLM-H 72B— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 72B. 72B. 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.