IgGM
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
Ennek a modellnek a súlyai nyitottak, de egyetlen paraméterszám sem került nyilvánosságra. Minden memória- és sebességadat ebből a számából indul ki, így inkább nem mutatunk semmit, mint hogy egy megvezető becslést adjunk..
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
- Chinese Academy of Sciences,University of Chinese Academy of Sciences,Tencent
- Szervezet típusa
- Academia,Academia,Industry
- Ország
- China
- Kiadva
- 22 September 2024
- Szerzők
- Rubo Wang, Fandi Wu, Xingyu Gao, Jiaxiang Wu, Peilin Zhao, Jianhua Yao
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.
- Képzési adatok
- 15,506,880 tokens
Complexes: 6,448 + 1,907 = 8,355 Amino acids per complex: 450 + 350 + 300 = 1,100 Total amino acids: 8,355 * 1,100 = 9,190,500
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
- 8.6 × 10²⁰ FLOP
- Hogyan jött létre
- Hardware
1. Hardware setup: 8x NVIDIA A100 SXM4 80GB GPUs, 3.12e14 FLOP/s per GPU 2. Training duration: Directly provided as 10 days = 864,000 seconds 3. Utilization rate: 40% 4. Final calculation: 3.12e14 FLOP/s × 864,000s × 0.4 × 8 GPUs = 8.6e20 FLOPs
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA A100
- Chips used
- 8
- Wall-clock time
- 240 hours (10 days)
- Energiafogyasztás
- 6.3 kW
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
- Open — downloadable
- Modell hozzáférés
- Open weights (non-commercial)
- Képzés kód
- Unreleased
PolyForm Noncommercial License 1.0.0 https://github.com/TencentAI4S/IgGM?tab=readme-ov-file
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Likely
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- IgGM: A Generative Model for Functional Antibody and Nanobody Design
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Background
IgGM was published by Chinese Academy of Sciences,University of Chinese Academy of Sciences,Tencent, in China, in September 2024. It comes out of academia,Academia,Industry.
It works in Biology, and is recorded as doing protein design.
A közzétett súlyok azt jelentik, hogy a modell a te gépeden fut, nem pedig valaki másén, ami lehetővé teszi, hogy a lenti hardverkérdés egyáltalán megválaszolható legyen.
Hogyan lett betanítva
The training run consumed about 8.6 × 10²⁰ FLOP, on NVIDIA A100. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Around 15,506,880 tokens went into training it.
Válaszok
IgGM — Gyakran ismételt kérdések
Who created IgGM?
IgGM was published by Chinese Academy of Sciences,University of Chinese Academy of Sciences,Tencent, based in China, categorised as academia,Academia,Industry.
When was IgGM released?
IgGM was published in September 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 IgGM used for?
IgGM works in Biology, and is recorded as handling protein design. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
Where can I download IgGM?
The weights for IgGM are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train IgGM?
Around 8.6 × 10²⁰ FLOP, on NVIDIA A100. 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.
What GPU do I need to run IgGM?
We cannot say. IgGM has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is IgGM open source?
Its weights are published, so IgGM can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does IgGM have?
No parameter count has been published for IgGM, which is why no memory or speed figure appears on this page.
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.