AlphaEarth Foundations (AEF)
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Google DeepMind,Google
- Szervezet típusa
- Industry,Industry
- Ország
- United States of America
- Közölt
- 30 July 2025
- Szerzők
- Christopher F. Brown, Michal R. Kazmierski, Valerie J. Pasquarella, William J. Rucklidge, Masha Samsikova, Chenhui Zhang, Evan Shelhamer, Estefania Lahera, Olivia Wiles, Simon Ilyushchenko, Noel Gorelick, Lihui Lydia Zhang, Sophia Alj, Emily Schechter, Sean Askay, Oliver Guinan, Rebecca Moore, Alexis Boukouvalas, Pushmeet Kohli
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Earth science
- Feladat
- Entity embedding, Crop Mapping / Segmentation
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 480M
- Képzési adatok
- tokens
"We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency."
[videoframes] "AEF was trained over 8,412,511 video sequences containing interleaved, time-stamped frames from the sources and metadata listed in supplemental materials S1. Each frame covered a 1.28 km x 1.28 km (128 x 128 pixel) area projected into the UTM zone of the area’s centroid and were not limited in length: all available data was used totalling 3,047,520,515 frames." "AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences. "
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 8.5 × 10²¹ FLOP
- Hogyan jött létre
- Hardware
275000000000000 FLOP / sec / TPU v4 * 512 TPUs * 56 hours * 3600 sec / hour * 0.3 [assumed utilization] = 8.515584E21 FLOP
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- Google TPU v4
- Használt chipek
- 512
- Fali óra idő
- 56 hours
- Teljesítményfogyasztás
- 340.5 kW
"AEF was trained for 56 hours on 512 TPU v4 devices over 100k steps in batches of 256 video sequences"
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Hosted access (no API)
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- AlphaEarth Foundations: An embedding field model for accurate and efficient global mapping from sparse label data
- Utoljára frissítve
- 29 May 2026
Mit jelentenek a számok
Háttér
AlphaEarth Foundations (AEF) ki lett adva által Google DeepMind,Google, az országban rögzítve mint United States of America, alatt July 2025. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry,Industry.
Működik a területen a Earth science, és úgy van rögzítve, mint a feladat végrehajtása entity embedding, Crop Mapping / Segmentation.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Mi került a felépítésébe
A képzés futás körülbelül 8.5 × 10²¹ FLOP, hardveren rögzítve Google TPU v4. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Válaszok
AlphaEarth Foundations (AEF) — gyakori kérdések
AlphaEarth Foundations (AEF)— Mikor adták ki?
Kibocsátották a July 2025.
AlphaEarth Foundations (AEF)— Mire használják?
Működik a területen a Earth science, és rögzítve van, hogy kezeli a feladatot entity embedding, Crop Mapping / Segmentation. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
AlphaEarth Foundations (AEF)— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 8.5 × 10²¹ FLOP, hardveren rögzítve Google TPU v4. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
AlphaEarth Foundations (AEF)— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
AlphaEarth Foundations (AEF)— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
AlphaEarth Foundations (AEF)— Hány paramétere van?
Paraméterszáma 480M. "We trained ∼1B and ∼480M parameter variants of AEF, and ultimately proceeded with the smaller variant for improved inference efficiency.". Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
AlphaEarth Foundations (AEF)— Ki készítette ezt?
Kiadta Google DeepMind,Google, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Industry.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..