Precious3GPT
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Insilico Medicine AI,Harvard Medical School
- Tipo di organizzazione
- Industry,Academia
- Paese
- Hong Kong, United States of America
- Pubblicato
- 5 July 2024
- Autori
- Fedor Galkin, Vladimir Naumov, Stefan Pushkov, Denis Sidorenko, Anatoly Urban, Diana Zagirova, Khadija M. Alawi, Alex Aliper, Ruslan Gumerov, Aleksandr Kalashnikov, Sabina Mukba, Aleksandra Pogorelskaya, Feng Ren, Anastasia Shneyderman, Qiuqiong Tang, Deyong Xiao, Alexander Tyshkovskiy, Kejun Ying, Vadim N. Gladyshev, Alex Zhavoronkov
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Drug discovery
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 89M
- Dati di addestramento
- tokens
- Epoche
- 15
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA RTX A6000
- Chip utilizzati
- 5
- Consumo energetico
- 3.0 kW
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 1
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Precious3GPT: Multimodal Multi-Species Multi-Omics Multi-Tissue Transformer for Aging Research and Drug Discovery
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Precious3GPT è stato pubblicato da Insilico Medicine AI,Harvard Medical School, nel paese registrato come Hong Kong, durante July 2024. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di drug discovery.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
Precious3GPT — domande comuni
Precious3GPT— chi l'ha creato?
È stato pubblicato da Insilico Medicine AI,Harvard Medical School, basato su Hong Kong, un'organizzazione categorizzata come industry,Academia.
Precious3GPT— quando è stato rilasciato?
È stato pubblicato in July 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Precious3GPT— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di drug discovery. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Precious3GPT— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Precious3GPT— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Precious3GPT— quanti parametri ha?
Ha un numero di parametri di 89M. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.