Uni-Med
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
- Tsinghua University,Beijing University of Posts and Telecommunications
- Tipo di organizzazione
- Academia,Academia
- Paese
- China
- Pubblicato
- 1 November 2024
- Autori
- Xun Zhu, Ying Hu, Fanbin Mo, Miao Li, Ji Wu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Modello di base
- Llama 2-7B,ViT-G/14
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
- 8.8B
- Dati di addestramento
- tokens
7B (LLama) + 1843000000 (ViT) = 8.8B
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
- 1.4 × 10²³ FLOP
- Addestramento fine
- 5.6 × 10¹⁸ FLOP
Finetune: 10*60*60*312000000000000*0.5=5.616e+18 Base models: 8.4e+22, 5.85e+22 Total: 1.4250562e+23
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 A800 SXM
- Chip utilizzati
- 1
- Tempo di parete
- 10 hours
- Consumo energetico
- 433 W
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
- Open (restricted use)
https://github.com/MSIIP/Uni-Med (undefined license) I haven't found released pre-trained weights
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Probabilmente sopra 10²³ FLOP
- Yes
- Record fiducia
- Likely
- Citazioni
- 23
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Uni-Med: A Unified Medical Generalist Foundation Model For Multi-Task Learning Via Connector-MoE
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Uni-Med è stato pubblicato da Tsinghua University,Beijing University of Posts and Telecommunications, nel paese registrato come China, durante November 2024. La categoria sotto cui rientra l'editore è academia,Academia.
Il suo punto di partenza era un modello di base esistente, Llama 2-7B,ViT-G/14. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 1.4 × 10²³ FLOP, su hardware registrato come NVIDIA A800 SXM. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Risposte
Uni-Med — domande comuni
Uni-Med— quanti parametri ha?
Ha un numero di parametri di 8.8B. 7B (LLama) + 1843000000 (ViT) = 8.8B. 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.
Uni-Med— chi l'ha creato?
È stato pubblicato da Tsinghua University,Beijing University of Posts and Telecommunications, basato su China, un'organizzazione categorizzata come academia,Academia.
Uni-Med— quando è stato rilasciato?
È stato pubblicato in November 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.
Uni-Med— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.4 × 10²³ FLOP, su hardware registrato come NVIDIA A800 SXM. 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.
Uni-Med— 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.
Uni-Med— 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.