GR-2
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
- ByteDance
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 8 October 2024
- Autori
- Hang Li, Yifeng Li, Yuxiao Liu, Hongtao Wu, Jiafeng Xu, Yichu Yang, Hanbo Zhang, Minzhao Zhu
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Robotics
- Compito
- Video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation
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
- 230M
- Dati di addestramento
- tokens
the default GR-2 model contains 230M parameters, of which 95M are trainable
This large-scale pre-training, involving 38 million video clips and over 50 billion tokens
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
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 224
Top perfoming model on CALVIN benchmark.
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
GR-2 è stato pubblicato da ByteDance, nel paese registrato come China, durante October 2024. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Robotics, ed è registrato come eseguire il compito di video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
GR-2 — domande comuni
GR-2— 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.
GR-2— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
GR-2— quanti parametri ha?
Ha un numero di parametri di 230M. the default GR-2 model contains 230M parameters, of which 95M are trainable. 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.
GR-2— chi l'ha creato?
È stato pubblicato da ByteDance, basato su China, un'organizzazione categorizzata come industry.
GR-2— quando è stato rilasciato?
È stato pubblicato in October 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.
GR-2— A cosa serve?
Funziona nel dominio di Robotics, e viene registrato come gestire il compito di video, Action recognition, Video generation, Instruction interpretation, Robotic manipulation. 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.