Magic LLM (魔法大模型)

Pesi chiusi Shenzhen Honor Software Technology 7B parametri January 2024

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
Shenzhen Honor Software Technology
Tipo di organizzazione
Industry
Paese
China
Pubblicato
10 January 2024

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Language
Compito
Chat, Language modeling/generation, Video editing

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
7B

Honor releases its self-developed 7 billion parameter device-side platform-level AI big model "Magic Big Model"

Dati di addestramento
tokens

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia
Confident

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento
Honor releases self-developed 7 billion parameter end-side platform-level AI big model "Magic Big Model"
Ultimo aggiornamento
11 February 2026

Cosa significano i numeri

Cosa è questo modello

Magic LLM (魔法大模型) è stato pubblicato da Shenzhen Honor Software Technology, nel paese registrato come China, durante January 2024. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat, Language modeling/generation, Video editing.

Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.

Risposte

Magic LLM (魔法大模型) — domande comuni

01

Magic LLM (魔法大模型)— quando è stato rilasciato?

È stato pubblicato in January 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.

02

Magic LLM (魔法大模型)— A cosa serve?

Funziona nel dominio di Language, e viene registrato come gestire il compito di chat, Language modeling/generation, Video editing. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

03

Magic LLM (魔法大模型)— 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.

04

Magic LLM (魔法大模型)— 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.

05

Magic LLM (魔法大模型)— quanti parametri ha?

Ha un numero di parametri di 7B. Honor releases its self-developed 7 billion parameter device-side platform-level AI big model "Magic Big Model". 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.

06

Magic LLM (魔法大模型)— chi l'ha creato?

È stato pubblicato da Shenzhen Honor Software Technology, basato su China, un'organizzazione categorizzata come industry.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 11 February 2026

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.