Wu Dao - Wen Lan
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
- 1 March 2021
- Auteurs
- Wen Jirong, Song Ruihua, Lu Zhiwu, Jin Qin, Zhao Xin, Pang Liang, Lan Yanyan, Dou Zhicheng, Gao Yizhao, Huo Yuqi, Lu Haoyu, Wen Jingyuan, Yang Guoxing, Song Haoyang, Zhang Manli, Zhang Liang, Hu Anwen, Li Ruichen, Song Yuqing, Zhao Jinming, Zhao Yida, Fei Nanyi, Sun Yuchong, Jin Chuhao, Hong Xin, Cui Wanqing, Hou Danyang, Li Yingyan, Xi Zongzheng, Liu Guangzhen, Liu Peiyu, Gong Zheng, Li Juny
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Multimodal, Vision, Language
- Taak
- Image captioning
- Aanpak
- Self-supervised learning
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
- 1B
- Training gegevens
- tokens
"Currently, the model has 1 billion parameters and is trained on 50 million graphic pairs collected from open sources." https://medium.com/syncedreview/chinas-gpt-3-baai-introduces-superscale-intelligence-model-wu-dao-1-0-98a573fc4d70
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
- 7.2 × 10²¹ FLOP
- Hoe het werd opgericht
- Hardware
128 Nvidia A100 GPUs for 7 days 128 GPUs * 3.1e14 FLOP/s /GPU * 7*24*60*60s* 0.3 [utilization rate]
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
- Gebruikte chips
- 128
- Kloktijd
- 168 hours (7 days)
- Stroomverbruik
- 103.8 kW
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
- China's GPT-3? BAAI Introduces Superscale Intelligence Model 'Wu Dao 1.0'
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
Wu Dao - Wen Lan werd gepubliceerd door Beijing Academy of Artificial Intelligence / BAAI, in het land geregistreerd als China, tijdens March 2021. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Multimodal, Vision, Language, en wordt geregistreerd als het uitvoeren van de taak van image captioning.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Hoe het getraind werd
Training kostte een rekensbudget van ongeveer 7.2 × 10²¹ FLOP, op hardware vastgelegd als NVIDIA A100. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
Wu Dao - Wen Lan — veelgestelde vragen
Wu Dao - Wen Lan— 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.
Wu Dao - Wen Lan— hoeveel parameters heeft het?
Het heeft een parameter telling van 1B. "Currently, the model has 1 billion parameters and is trained on 50 million graphic pairs collected from open sources." https://medium.com/syncedreview/chinas-gpt-3-baai-introduces-superscale-intelligence-model-wu-dao-1-0-98a573fc4d70. 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 - Wen Lan— wie heeft het gemaakt?
Het werd gepubliceerd door Beijing Academy of Artificial Intelligence / BAAI, gebaseerd op China, een organisatie geclassificeerd als academia.
Wu Dao - Wen Lan— wanneer is het uitgebracht?
Het werd gepubliceerd in March 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 - Wen Lan— waarvoor wordt het gebruikt?
Het werkt in het domein van Multimodal, Vision, Language, en wordt geregistreerd als het afhandelen van image captioning. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Wu Dao - Wen Lan— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 7.2 × 10²¹ FLOP, op hardware vastgelegd als NVIDIA A100. 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 - Wen Lan— 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.
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.