GR-2
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
- Szervezet típusa
- Industry
- Ország
- China
- Kiadva
- 8 October 2024
- Szerzők
- Hang Li, Yifeng Li, Yuxiao Liu, Hongtao Wu, Jiafeng Xu, Yichu Yang, Hanbo Zhang, Minzhao Zhu
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Robotics
- Feladat
- Video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation
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
- 230M
- Képzési adatok
- tokens
the default GR-2 model contains 230M parameters, of which 95M are trainable
This large-scale pre-training, involving 38 million video clips and over 50 billion tokens
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.
- Miért követik nyomon
- SOTA improvement
- Rögzítési bizalom
- Confident
- Citations
- 224
Top perfoming model on CALVIN benchmark.
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Where it came from
GR-2 was published by ByteDance, in China, in October 2024. industry is the category the publisher falls under.
It works in Robotics, and is recorded as doing video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Training and provenance
It is tracked in the underlying dataset for one reason in particular: sOTA improvement.
Válaszok
GR-2 — Gyakran ismételt kérdések
What GPU do I need to run GR-2?
None. GR-2 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 GR-2 open source?
No. GR-2 has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does GR-2 have?
GR-2 has 230M parameters. the default GR-2 model contains 230M parameters, of which 95M are trainable. 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 GR-2?
GR-2 was published by ByteDance, based in China, categorised as industry.
When was GR-2 released?
GR-2 was published in October 2024. 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 GR-2 used for?
GR-2 works in Robotics, and is recorded as handling video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
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.