AbGPT
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Carnegie Mellon University (CMU)
- Organisatie type
- Academia
- Land
- United States of America
- Gepubliceerd
- 9 September 2024
- Auteurs
- Desmond Kuan, Amir Barati Farimani
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Biology
- Taak
- Protein design
- Basis model
- ProtGPT2
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 734M
- Opleidingsgegevens
- 6,840,000,000 tokens
- Epochs
- 5
Finetuned ProtGPT2 on 57M sequences with average length of ~120 (Figure 6) FT dataset in tokens: 57000000*120=6840000000
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 4.3 × 10²¹ FLOP
Finetuned ProtGPT2 on 57M sequences with average length of ~120 (Figure 6) FT compute: 734000000*6840000000*5*6=1.506168e+20 Base model compute: 4.1e+21 Total: 4.2506168e+21
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA RTX A6000
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Unreleased
- Trainingscode
- Unreleased
MIT license: https://github.com/deskk/AbGPT
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Confident
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- AbGPT: De Novo Antibody Design via Generative Language Modeling
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
AbGPT was published by Carnegie Mellon University (CMU), in United States of America, in September 2024. academia is the category the publisher falls under.
It works in Biology, and is recorded as doing protein design.
It is derived from ProtGPT2 rather than trained from scratch, which is the usual way a specialised model is produced.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Hoe het was getraind
Training it took roughly 4.3 × 10²¹ FLOP of computation, on NVIDIA RTX A6000 — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 6,840,000,000 tokens of text.
Antwoorden
AbGPT — Veelgestelde vragen
When was AbGPT released?
AbGPT was published in September 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 AbGPT used for?
AbGPT works in Biology, and is recorded as handling protein design. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train AbGPT?
Around 4.3 × 10²¹ FLOP, on NVIDIA RTX A6000. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run AbGPT?
None. AbGPT 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 AbGPT open source?
No. AbGPT has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AbGPT have?
AbGPT has 734M 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.
Who created AbGPT?
AbGPT was published by Carnegie Mellon University (CMU), based in United States of America, categorised as academia.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.