ESM3 (98B)
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
- EvolutionaryScale,University of California (UC) Berkeley
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 25 June 2024
- Autori
- Thomas Hayes, Roshan Rao, Halil Akin, Nicholas James Sofroniew, Deniz Oktay, Zeming Lin, Robert Verkuil, Vincent Quy Tran, Jonathan Deaton, Marius Wiggert, Rohil Badkundri, Irhum Shafkat, Jun Gong, Alexander Derry, Raul Santiago Molina, Neil Thomas, Yousuf Khan, Chetan Mishra, Carolyn Kim, Liam J Bartie, Patrick D Hsu, Tom Sercu, Salvatore Candido, Alexander Rives
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein generation
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
- 98.5B
- Dati di addestramento
- 771,000,000,000 tokens
- Epoche
- 2.3
- Dimensione del Batch
- 4,194,304
98.5 billion (Table S1)
771 billion tokens
Table S1
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 1.1 × 10²⁴ FLOP
- Come è stato stabilito
- Reported
"ESM3 at its largest scale was trained with 1.07×10^24 FLOPs on 2.78 billion proteins and 771 billion unique tokens, and has 98 billion parameters." per Table 1, trained 98B model on 1.8T training tokens. 98 billion * 1800 billion * 6 = 1.06e24. Likely some rounding, so will go with developer's reported count.
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
only small version released
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Probabilmente sopra 10²³ FLOP
- Yes
- Perché è monitorato
- Historical significance
- Record fiducia
- Confident
Largest (in compute) biology and protein model to date, was able to discover novel green fluorescent proteins
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ESM3: Simulating 500 million years of evolution with a language model
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
ESM3 (98B) è stato pubblicato da EvolutionaryScale,University of California (UC) Berkeley, nel paese registrato come United States of America, durante June 2024. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di Biology, ed è registrato come eseguire il compito di protein generation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 1.1 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 771,000,000,000 token di testo
Il motivo per cui appare in questo catalogo è: historical significance.
Risposte
ESM3 (98B) — domande comuni
ESM3 (98B)— chi l'ha creato?
È stato pubblicato da EvolutionaryScale,University of California (UC) Berkeley, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
ESM3 (98B)— quando è stato rilasciato?
È stato pubblicato in June 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.
ESM3 (98B)— A cosa serve?
Funziona nel dominio di Biology, e viene registrato come gestire il compito di protein generation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
ESM3 (98B)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.1 × 10²⁴ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
ESM3 (98B)— 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.
ESM3 (98B)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
ESM3 (98B)— quanti parametri ha?
Ha un numero di parametri di 98.5B. 98.5 billion (Table S1). 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.