Coconut
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Facebook,University of California San Diego
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 11 December 2024
- Autori
- Shibo Hao, Sainbayar Sukhbaatar, DiJia Su, Xian Li, Zhiting Hu, Jason Weston, Yuandong Tian
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation, Question answering, Quantitative reasoning, Mathematical reasoning
- Base model
- GPT-2 (124M)
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- tokens
- Epoche
- 50
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Unknown
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Training Large Language Models to Reason in a Continuous Latent Space
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Coconut was published by Facebook,University of California San Diego, in United States of America, in December 2024. industry,Academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling/generation, Question answering, Quantitative reasoning, Mathematical reasoning.
It is derived from GPT-2 (124M) rather than trained from scratch, which is the usual way a specialised model is produced.
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
Coconut — Domande frequenti
What is Coconut used for?
Coconut works in Language, and is recorded as handling language modeling/generation, Question answering, Quantitative reasoning, Mathematical reasoning. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Coconut?
None. Coconut is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Coconut open source?
No. Coconut has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Coconut have?
No parameter count has been published for Coconut, which is why no memory or speed figure appears on this page.
Who created Coconut?
Coconut was published by Facebook,University of California San Diego, based in United States of America, categorised as industry,Academia.
When was Coconut released?
Coconut was published in December 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.