Kosmos-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
- Microsoft
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 1 March 2023
- Autori
- Shaohan Huang, Li Dong, Wenhui Wang, Yaru Hao, Saksham Singhal, Shuming Ma, Tengchao Lv, Lei Cui, Owais Khan Mohammed, Barun Patra, Qiang Liu, Kriti Aggarwal, Zewen Chi, Johan Bjorck, Vishrav Chaudhary, Subhojit Som, Xia Song, Furu Wei
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Multimodal, Language, Vision
- Compito
- Visual question answering, Image captioning, Language modeling/generation, Chat, Question answering, Document classification, Image classification, Visual puzzles
- Modello di base
- ViT-G/14 (LiT)
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
- 1.6B
- Dati di addestramento
- 360,000,000,000 tokens
- Dimensione del Batch
- 1,200,000
"The total number of parameters of KOSMOS-1 is about 1.6B" "The MLLM component has 24 layers with 2,048 hidden dimensions, 8,192 FFN intermediate size, and 32 attention heads, resulting in about 1.3B parameters."
"We use a batch size of 1.2 million tokens (0.5 million tokens from text corpora, 0.5 million tokens from image-caption pairs, and 0.2 million tokens from interleaved data) and train KOSMOS-1 for 300k steps, corresponding to about 360 billion 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
- 3.5 × 10²¹ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / parameter / token * 1.6 * 10^9 parameters [assuming all parameters were updated each step including vision encoder] * 360 * 10^9 tokens = 3.456e+21 FLOP "Likely" confidence because the number of trained parameters could be slightly less
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
MIT license https://github.com/microsoft/unilm/tree/master/kosmos-1 (repo refers to code and weights of Kosmos-2, not Kosmos-1)
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
- Language Is Not All You Need: Aligning Perception with Language Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Kosmos-1 è stato pubblicato da Microsoft, nel paese registrato come United States of America, durante March 2023. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Multimodal, Language, Vision, ed è registrato come eseguire il compito di visual question answering, Image captioning, Language modeling/generation, Chat, Question answering, Document classification, Image classification, Visual puzzles.
Costruisce su ViT-G/14 (LiT). La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il run di addestramento ha consumato circa 3.5 × 10²¹ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 360,000,000,000 token di testo
Risposte
Kosmos-1 — domande comuni
Kosmos-1— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 3.5 × 10²¹ 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.
Kosmos-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.
Kosmos-1— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Kosmos-1— quanti parametri ha?
Ha un numero di parametri di 1.6B. "The total number of parameters of KOSMOS-1 is about 1.6B" "The MLLM component has 24 layers with 2,048 hidden dimensions, 8,192 FFN intermediate size, and 32 attention heads, resulting in about 1.3B parameters.". 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.
Kosmos-1— chi l'ha creato?
È stato pubblicato da Microsoft, basato su United States of America, un'organizzazione categorizzata come industry.
Kosmos-1— quando è stato rilasciato?
È stato pubblicato in March 2023. 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.
Kosmos-1— A cosa serve?
Funziona nel dominio di Multimodal, Language, Vision, e viene registrato come gestire il compito di visual question answering, Image captioning, Language modeling/generation, Chat, Question answering, Document classification, Image classification, Visual puzzles. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.