Precious3GPT

Zamknięte wagi Insilico Medicine AI,Harvard Medical School 89M parametry July 2024

Brak oszacowania

Brak wymagań sprzętowych dla tego modelu

Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja
Insilico Medicine AI,Harvard Medical School
Typ organizacji
Industry,Academia
Kraj
Hong Kong, United States of America
Opublikowany
5 July 2024
Autorzy
Fedor Galkin, Vladimir Naumov, Stefan Pushkov, Denis Sidorenko, Anatoly Urban, Diana Zagirova, Khadija M. Alawi, Alex Aliper, Ruslan Gumerov, Aleksandr Kalashnikov, Sabina Mukba, Aleksandra Pogorelskaya, Feng Ren, Anastasia Shneyderman, Qiuqiong Tang, Deyong Xiao, Alexander Tyshkovskiy, Kejun Ying, Vadim N. Gladyshev, Alex Zhavoronkov

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Biology
Zadanie
Drug discovery

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry
89M
Dane treningowe
tokens
Epoki
15

Przebieg szkolenia

Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.

Sprzęt do trenowania
NVIDIA RTX A6000
Zastosowane chipy
5
Pobór mocy
3.0 kW

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność
Confident
Cytaty
1

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
Precious3GPT: Multimodal Multi-Species Multi-Omics Multi-Tissue Transformer for Aging Research and Drug Discovery
Ostatnio zaktualizowane
28 November 2025

Co oznaczają liczby

O tym modelu

Precious3GPT został opublikowany przez Insilico Medicine AI,Harvard Medical School, w kraju zapisanym jako Hong Kong, podczas July 2024. Wychodzi z organizacji zaklasyfikowanej jako industry,Academia.

Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie drug discovery.

Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.

Odpowiedzi

Precious3GPT — częste pytania

01

Precious3GPT— kto to stworzył?

Zostało opublikowane przez Insilico Medicine AI,Harvard Medical School, oparty na Hong Kong, organizacja sklasyfikowana jako industry,Academia.

02

Precious3GPT— kiedy to zostało wydane?

Zostało opublikowane w July 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

03

Precious3GPT— do czego to służy?

Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie drug discovery. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

04

Precious3GPT— Jaką GPU potrzebuję, aby ją uruchomić?

Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.

05

Precious3GPT— czy jest open weight?

Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.

06

Precious3GPT— ile ma parametrów?

Ma liczbę parametrów równą 89M. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.