MLDD3UTRmRRNAS
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
- Ginkgo Bioworks
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 7 October 2024
- Autori
- Alyssa Kramer Morrow, Ashley Thornal, Elise Duboscq Flynn, Emily Hoelzli, Meimei Shan, Gorkem Garipler, Rory Kirchner, Aniketh Janardhan Reddy, Sophia Tabchouri, Ankit Gupta, Jean-Baptiste Michel, Uri Laserson
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Biology
- Compito
- Protein or nucleotide language model (pLM/nLM), Nucleotide generation
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.
- Parametri
- 44M
- Dati di addestramento
- tokens
TOKENS = 113,000 × 164 = 18532000
Il training run
Cosa è stato fisicamente necessario per addestrare: quali chip, quanti, per quanto tempo e cosa ha richiesto dalla rete elettrica.
- Hardware di addestramento
- NVIDIA A100
- Chips used
- 1
- Consumo energetico
- 433 W
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
- API access
- Codice di addestramento
- Unreleased
"we’re making our generative model used for 3’ UTR design trained on genomic 3’ UTRs available via our API for $0.18 per 1M tokens." https://biopharma.ginkgo.bio/resources/white-papers/engineering-stable-mrna-insights-from-ml-driven-design-of-3-utrs
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Likely
- Citazioni
- 6
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ML-driven design of 3’ UTRs for mRNA stability
- Ultimo aggiornamento
- 1 January 2026
Cosa significano i numeri
Where it came from
MLDD3UTRmRRNAS was published by Ginkgo Bioworks, in United States of America, in October 2024. The organisation is categorised as industry.
It works in Biology, and is recorded as doing protein or nucleotide language model (pLM/nLM), Nucleotide generation.
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
MLDD3UTRmRRNAS — Domande frequenti
Who created MLDD3UTRmRRNAS?
MLDD3UTRmRRNAS was published by Ginkgo Bioworks, based in United States of America, categorised as industry.
When was MLDD3UTRmRRNAS released?
MLDD3UTRmRRNAS was published in October 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.
What is MLDD3UTRmRRNAS used for?
MLDD3UTRmRRNAS works in Biology, and is recorded as handling protein or nucleotide language model (pLM/nLM), Nucleotide generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run MLDD3UTRmRRNAS?
None. MLDD3UTRmRRNAS 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 MLDD3UTRmRRNAS open source?
No. MLDD3UTRmRRNAS has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does MLDD3UTRmRRNAS have?
MLDD3UTRmRRNAS has 44M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
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.