FragLlama

Pesi chiusi YDS Pharmatech 779M parametri September 2024

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
YDS Pharmatech
Tipo di organizzazione
Industry
Paese
United States of America
Pubblicato
30 September 2024
Autori
Jian Shen, Shengmin Zhou, Xing Che

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio
Biology
Compito
Drug discovery

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
779M
Dati di addestramento
70,000,000,000 tokens

70 billion tokens = 7.0e10 datapoints Calculation: 70,000,000,000 = 7.0e10

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 A100
Chip utilizzati
7
Consumo energetico
5.5 kW

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
FragLlama: Next-fragment prediction for molecular design
Ultimo aggiornamento
28 November 2025

Cosa significano i numeri

Sfondo

FragLlama è stato pubblicato da YDS Pharmatech, nel paese registrato come United States of America, durante September 2024. Esce da un'organizzazione categorizzata come industry.

Funziona nel dominio di Biology, ed è registrato come eseguire il compito di drug discovery.

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

È stato addestrato su un corpus di circa 70,000,000,000 token di testo

Risposte

FragLlama — domande comuni

01

FragLlama— 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.

02

FragLlama— quanti parametri ha?

Ha un numero di parametri di 779M. 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.

03

FragLlama— chi l'ha creato?

È stato pubblicato da YDS Pharmatech, basato su United States of America, un'organizzazione categorizzata come industry.

04

FragLlama— quando è stato rilasciato?

È stato pubblicato in September 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.

05

FragLlama— A cosa serve?

Funziona nel dominio di Biology, e viene registrato come gestire il compito di drug discovery. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.

06

FragLlama— 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.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

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.