Wu Dao - Wen Hui
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
- Beijing Academy of Artificial Intelligence / BAAI
- Tipo di organizzazione
- Academia
- Paese
- China
- Pubblicato
- 1 March 2021
- Autori
- Tang Jie, Yang Zhilin, Yang Hongxia, Du Zhengxiao, Ding Ming, Zou Xu, Qiu Jiezhong, Qian Yujie, Yinda, Zhong Qingyang, Yu Jifan, Liu Xiao, Zheng Yanan, He Jiaao, Zeng Aohan, Hong Wenyi, Yang Zhuoyi, Zheng Wendi, Zhou Jing, Du Jizhong, Guo Zitong, Liu Jing, Zhou Chang, Lin Junyang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language, Multimodal, Video, Image generation
- Compito
- Language modeling/generation, Image generation, Video generation, Text-to-image, Question answering, Visual question answering
- Approccio
- Self-supervised learning
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
- 11.3B
- Dati di addestramento
- tokens
"Wu Dao — Wen Hui has reached 11.3 billion parameters, and through simple fine-tuning can generate poetry, make videos, draw pictures, retrieve text, perform complex reasoning, etc." https://medium.com/syncedreview/chinas-gpt-3-baai-introduces-superscale-intelligence-model-wu-dao-1-0-98a573fc4d70
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
- 1.2 × 10²⁰ FLOP
- Come è stato stabilito
- Hardware
64 Nvidia V100 GPUs for 2.5 days 64 GPUs * 2.8e13 FLOP/s /GPU * 2.5*24*60*60s* 0.3 [utilization rate]
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 V100
- Chip utilizzati
- 64
- Tempo di parete
- 60 hours
- Consumo energetico
- 38.9 kW
2.5 days = 60 hours
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
- China's GPT-3? BAAI Introduces Superscale Intelligence Model 'Wu Dao 1.0'
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
Wu Dao - Wen Hui è stato pubblicato da Beijing Academy of Artificial Intelligence / BAAI, nel paese registrato come China, durante March 2021. Esce da un'organizzazione categorizzata come academia.
Funziona nel dominio di Language, Multimodal, Video, Image generation, ed è registrato come eseguire il compito di language modeling/generation, Image generation, Video generation, Text-to-image, Question answering, Visual question answering.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.2 × 10²⁰ FLOP, su hardware registrato come NVIDIA V100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Wu Dao - Wen Hui — domande comuni
Wu Dao - Wen Hui— A cosa serve?
Funziona nel dominio di Language, Multimodal, Video, Image generation, e viene registrato come gestire il compito di language modeling/generation, Image generation, Video generation, Text-to-image, Question answering, Visual question answering. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Wu Dao - Wen Hui— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.2 × 10²⁰ FLOP, su hardware registrato come NVIDIA V100. 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.
Wu Dao - Wen Hui— 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.
Wu Dao - Wen Hui— 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.
Wu Dao - Wen Hui— quanti parametri ha?
Ha un numero di parametri di 11.3B. "Wu Dao — Wen Hui has reached 11.3 billion parameters, and through simple fine-tuning can generate poetry, make videos, draw pictures, retrieve text, perform complex reasoning, etc." https://medium.com/syncedreview/chinas-gpt-3-baai-introduces-superscale-intelligence-model-wu-dao-1-0-98a573fc4d70. 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.
Wu Dao - Wen Hui— chi l'ha creato?
È stato pubblicato da Beijing Academy of Artificial Intelligence / BAAI, basato su China, un'organizzazione categorizzata come academia.
Wu Dao - Wen Hui— quando è stato rilasciato?
È stato pubblicato in March 2021. 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.
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.