Magic LLM (魔法大模型)

Gesloten gewichten Shenzhen Honor Software Technology 7B parameters January 2024

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
Shenzhen Honor Software Technology
Organisatietype
Industry
Land
China
Gepubliceerd
10 January 2024

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein
Language
Taak
Chat, Language modeling/generation, Video editing

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
7B

Honor releases its self-developed 7 billion parameter device-side platform-level AI big model "Magic Big Model"

Training gegevens
tokens

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
Honor releases self-developed 7 billion parameter end-side platform-level AI big model "Magic Big Model"
Laatst bijgewerkt
11 February 2026

Wat de cijfers betekenen

Wat dit model is

Magic LLM (魔法大模型) werd gepubliceerd door Shenzhen Honor Software Technology, in het land geregistreerd als China, tijdens January 2024. Het komt uit een organisatie gecategoriseerd als industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van chat, Language modeling/generation, Video editing.

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.

Antwoorden

Magic LLM (魔法大模型) — veelgestelde vragen

01

Magic LLM (魔法大模型)— wanneer is het uitgebracht?

Het werd gepubliceerd in January 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

02

Magic LLM (魔法大模型)— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van chat, Language modeling/generation, Video editing. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.

03

Magic LLM (魔法大模型)— 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.

04

Magic LLM (魔法大模型)— 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.

05

Magic LLM (魔法大模型)— hoeveel parameters heeft het?

Het heeft een parameter telling van 7B. Honor releases its self-developed 7 billion parameter device-side platform-level AI big model "Magic Big Model". 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.

06

Magic LLM (魔法大模型)— wie heeft het gemaakt?

Het werd gepubliceerd door Shenzhen Honor Software Technology, gebaseerd op China, een organisatie geclassificeerd als industry.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 2026

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.