CLAY
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Shanghai Tech University,Deemos Technology,Huazhong University of Science and Technology
- Organisatietype
- Academia,Industry,Academia
- Land
- China
- Gepubliceerd
- 30 May 2024
- Auteurs
- Longwen Zhang, Ziyu Wang, Qixuan Zhang, Qiwei Qiu, Anqi Pang, Haoran Jiang, Wei Yang, Lan Xu, Jingyi Yu
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- 3D modeling, Vision
- Taak
- 3D reconstruction
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 1.5B
- Training gegevens
- tokens
"a refined collection of 527K objects from ShapeNet and Objaverse"
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 3.1 × 10²² FLOP
- Hoe het werd opgericht
- Hardware
312000000000000 FLOP / GPU / sec [A800 reported] * 256 GPUs * 360 hours * 3600 sec / hour * 0.3 [assumed utilization] = 3.1054234e+22 FLOP
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A800 PCIe
- Gebruikte chips
- 256
- Kloktijd
- 360 hours (15 days)
"Our largest model, the XL, was trained on a cluster of 256 NVidia A800 GPUs, for approximately 15 days, with progressive training." 15 days = 360 hours
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
- Toegang tot model
- Unreleased
- Training code
- Unreleased
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- CLAY: A Controllable Large-scale Generative Model for Creating High-quality 3D Assets
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
CLAY werd gepubliceerd door Shanghai Tech University,Deemos Technology,Huazhong University of Science and Technology, in het land geregistreerd als China, tijdens May 2024. De categorie waaronder de uitgever valt is academia,Industry,Academia.
Het werkt in het domein van 3D modeling, Vision, en wordt geregistreerd als het uitvoeren van de taak van 3D reconstruction.
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 getraind werd
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 3.1 × 10²² FLOP, op hardware vastgelegd als NVIDIA A800 PCIe. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
CLAY — veelgestelde vragen
CLAY— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
CLAY— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
CLAY— hoeveel parameters heeft het?
Het heeft een parameter telling van 1.5B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
CLAY— wie heeft het gemaakt?
Het werd gepubliceerd door Shanghai Tech University,Deemos Technology,Huazhong University of Science and Technology, gebaseerd op China, een organisatie geclassificeerd als academia,Industry,Academia.
CLAY— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
CLAY— waarvoor wordt het gebruikt?
Het werkt in het domein van 3D modeling, Vision, en wordt geregistreerd als het afhandelen van 3D reconstruction. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
CLAY— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 3.1 × 10²² FLOP, op hardware vastgelegd als NVIDIA A800 PCIe. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.