RFM-1
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
- Covariant
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 11 March 2024
- Autori
- Andrew Sohn, Anusha Nagabandi, Carlos Florensa, Daniel Adelberg, Di Wu, Hassan Farooq, Ignasi Clavera, Jeremy Welborn, Juyue Chen, Nikhil Mishra, Peter Chen, Peter Qian, Pieter Abbeel, Rocky Duan, Varun Vijay, Yang Liu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics, Vision, Video
- Compito
- Robotic manipulation, Image captioning, Video description
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
- 8B
- Dati di addestramento
- tokens
8b
from here https://covariant.ai/insights/rfm-1-update-higher-quality-grasp-accuracy/ 5*10^9 tokens
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
- 2.4 × 10²⁰ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 5000000000 tokens * 8*10^9 parameters = 2.4e+20 FLOP I am not confident about amount of epochs and whether the model is dense
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
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Introducing RFM-1: Giving robots human-like reasoning capabilities
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
RFM-1 è stato pubblicato da Covariant, nel paese registrato come United States of America, durante March 2024. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Robotics, Vision, Video, ed è registrato come eseguire il compito di robotic manipulation, Image captioning, Video description.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
La produzione di esso ha richiesto un'aritmetica totale di circa 2.4 × 10²⁰ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
RFM-1 — domande comuni
RFM-1— quanti parametri ha?
Ha un numero di parametri di 8B. 8b. 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.
RFM-1— chi l'ha creato?
È stato pubblicato da Covariant, basato su United States of America, un'organizzazione categorizzata come industry.
RFM-1— quando è stato rilasciato?
È stato pubblicato in March 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.
RFM-1— A cosa serve?
Funziona nel dominio di Robotics, Vision, Video, e viene registrato come gestire il compito di robotic manipulation, Image captioning, Video description. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
RFM-1— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.4 × 10²⁰ 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.
RFM-1— 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.
RFM-1— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
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.