HGRN2 3B
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 AI Lab,Massachusetts Institute of Technology (MIT),Taptap
- Organisatietype
- Academia,Academia,Industry
- Land
- China, United States of America, Spain
- Gepubliceerd
- 11 April 2024
- Auteurs
- Zhen Qin, Songlin Yang, Weixuan Sun, Xuyang Shen, Dong Li, Weigao Sun, Yiran Zhong
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Question answering
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
- 2.9B
- Training gegevens
- 100,000,000,000 tokens
2.9B
100B Table 6
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
- 1.7 × 10²¹ FLOP
- Hoe het werd opgericht
- Operation counting
6ND = 6* 2.9*10^9*100*10^9 = 1.74e+21
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
- HGRN2: Gated Linear RNNs with State Expansion
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
HGRN2 3B werd gepubliceerd door Shanghai AI Lab,Massachusetts Institute of Technology (MIT),Taptap, in het land geregistreerd als China, tijdens April 2024. Het komt uit een organisatie gecategoriseerd als academia,Academia,Industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Training en herkomst
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 1.7 × 10²¹ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Training verbruikte een corpus van ongeveer 100,000,000,000 tekstokens
Antwoorden
HGRN2 3B — veelgestelde vragen
HGRN2 3B— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.7 × 10²¹ FLOP. 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.
HGRN2 3B— 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.
HGRN2 3B— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
HGRN2 3B— hoeveel parameters heeft het?
Het heeft een parameter telling van 2.9B. 2.9B. 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.
HGRN2 3B— wie heeft het gemaakt?
Het werd gepubliceerd door Shanghai AI Lab,Massachusetts Institute of Technology (MIT),Taptap, gebaseerd op China, een organisatie geclassificeerd als academia,Academia,Industry.
HGRN2 3B— wanneer is het uitgebracht?
Het werd gepubliceerd in April 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
HGRN2 3B— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
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.