LM-Design
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- ByteDance,University of Wisconsin Madison
- Szervezet típusa
- Industry,Academia
- Ország
- China, United States of America
- Kiadva
- 23 July 2023
- Szerzők
- Zaixiang Zheng, Yifan Deng, Dongyu Xue, Yi Zhou, Fei Ye, Quanquan Gu
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Biology
- Feladat
- Protein design
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 6.9M
- Képzési adatok
- 811,080 tokens
"That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters."
Total tokens = Number of Sequences × Average Sequence Length Total tokens = 50,000,000 × 300 = 1.5 × 10^10 tokens Final estimate: 1.5e10 tokens
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 1.4 × 10²⁰ FLOP
- Hogyan jött létre
- Hardware
1. Hardware setup: 8x NVIDIA V100 GPUs (1.25 x 10^14 FLOP/s per GPU) 2. Training duration: 4 days (345,600 seconds) - estimated based on 10 epochs over 50M sequences with 6000 residues per batch 3. Utilization rate: 40% 4. Final calculation: (1.25 x 10^14 FLOP/s/GPU × 8 GPUs) × 345,600 seconds × 0.4 = 1.4 x 10^20 FLOPs
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Confident
- Citations
- 46
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Structure-informed Language Models Are Protein Designers
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Mit jelent ez a modell?
LM-Design was published by ByteDance,University of Wisconsin Madison, in China, in July 2023. The organisation is categorised as industry,Academia.
It works in Biology, and is recorded as doing protein design.
Súlyait soha nem publikálták, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, amely ezt megváltoztatja.
Hogyan lett betanítva
The training run consumed about 1.4 × 10²⁰ FLOP. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 811,080 tokens of text.
Válaszok
LM-Design — Gyakran ismételt kérdések
What GPU do I need to run LM-Design?
None. LM-Design is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is LM-Design open source?
No. LM-Design has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does LM-Design have?
LM-Design has 6.9M parameters. "That is because LMDESIGN has 6.9M parameters while ProteinMPNN+CMLM only has 1.6M parameters.". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created LM-Design?
LM-Design was published by ByteDance,University of Wisconsin Madison, based in China, categorised as industry,Academia.
When was LM-Design released?
LM-Design was published in July 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is LM-Design used for?
LM-Design works in Biology, and is recorded as handling protein design. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train LM-Design?
Around 1.4 × 10²⁰ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.