Wu Dao 2.0
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
- Beijing Academy of Artificial Intelligence / BAAI
- Organisatietype
- Academia
- Land
- China
- Gepubliceerd
- 31 May 2021
- Auteurs
- Tang Jie, Zhai Jidong, Yang Hongxia, Chen Wenguang, Zheng Weimin, Ma Zixuan, He Jiaao, Qiu Jiezhong, Cao Huanqi, Wang Yuanwei, Sun Zhenbo, Zheng Liyan, Wang Haojie, Tang Shizhi, Feng Guanyu, Zeng Aohan, Zhong Runxin, Shi Tianhui, Du Zhengxiao, Ding Ming, Tiago Antunes, Peng Jinjun, Lin Junyang Zhang Jianwei
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Multimodal, Language, Vision, Image generation
- Taak
- Image captioning, Chat, Image generation, Text-to-image, Language modeling/generation, Question answering, Visual 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
- 1.8T
- Training gegevens
- 4,900,000,000,000 tokens
"It's been trained on 1.75 trillion parameters" MoE architecture, "tens of thousands of experts" https://keg.cs.tsinghua.edu.cn/jietang/publications/wudao-3.0-meta-en.pdf
[tokens assumed[ "Bilingual (Cn and En) data: 4.9T text and images" https://keg.cs.tsinghua.edu.cn/jietang/publications/wudao-3.0-meta-en.pdf
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
- 1.5 × 10²⁴ FLOP
- Hoe het werd opgericht
- Operation counting
It's a mixture-of-experts model, so all 1.75 trillion params were most likely not trained on each token. "The parameter scale of Enlightenment 2.0 reached a record-breaking 1.75 trillion. According to reports, the new generation FastMoE technology is the key to the realization of the "Trillion Model" cornerstone of Enlightenment 2.0." Speculatively assuming 3% of parameters are active per forward pass and the model was trained for one epoch: 6 FLOP / token / parameter * 1.75 * 10^12 parameter…
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Rekenkosten
- $2,870,840
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
- API access
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.
- Grensmodel
- Yes
- Basis model
- Yes
- Record vertrouwen
- Speculative
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- China's gigantic multi-modal AI is no one-trick pony
- Laatst bijgewerkt
- 1 December 2025
Wat de cijfers betekenen
Achtergrond
Wu Dao 2.0 werd gepubliceerd door Beijing Academy of Artificial Intelligence / BAAI, in het land geregistreerd als China, tijdens May 2021. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Multimodal, Language, Vision, Image generation, en wordt geregistreerd als het uitvoeren van de taak van image captioning, Chat, Image generation, Text-to-image, Language modeling/generation, Question answering, Visual question answering.
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.
Wat erin ging zitten om het te bouwen
Training kostte een rekensbudget van ongeveer 1.5 × 10²⁴ 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 4,900,000,000,000 tekstokens
Antwoorden
Wu Dao 2.0 — veelgestelde vragen
Wu Dao 2.0— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2021. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Wu Dao 2.0— waarvoor wordt het gebruikt?
Het werkt in het domein van Multimodal, Language, Vision, Image generation, en wordt geregistreerd als het afhandelen van image captioning, Chat, Image generation, Text-to-image, Language modeling/generation, Question answering, Visual question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
Wu Dao 2.0— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.5 × 10²⁴ 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.
Wu Dao 2.0— 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.
Wu Dao 2.0— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Wu Dao 2.0— hoeveel parameters heeft het?
Het heeft een parameter telling van 1.8T. "It's been trained on 1.75 trillion parameters" MoE architecture, "tens of thousands of experts" https://keg.cs.tsinghua.edu.cn/jietang/publications/wudao-3.0-meta-en.pdf. 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.
Wu Dao 2.0— wie heeft het gemaakt?
Het werd gepubliceerd door Beijing Academy of Artificial Intelligence / BAAI, gebaseerd op China, een organisatie geclassificeerd als academia.
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.