ProtChatGPT
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
- University of Technology Sydney,Zhejiang University (ZJU)
- Typ organizacji
- Academia,Academia
- Kraj
- Australia, China
- Opublikowany
- 15 February 2024
- Autorzy
- Chao Wang, Hehe Fan, Ruijie Quan, Yi Yang
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein question answering
- Model bazowy
- Llama 3-8B
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 8B
- Dane treningowe
- tokens
Stage 1: - Proteins: 549,000 × 500 = 2.745 × 10⁸ - Descriptions: 549,000 × 50 = 2.745 × 10⁷ - Total: 2.745 × 10⁸ + 2.745 × 10⁷ = 3.0195 × 10⁸ Stage 2: - Proteins: 143,508 × 500 = 7.1754 × 10⁷ - Descriptions: 143,508 × 50 = 7.1754 × 10⁶ - Total: 7.1754 × 10⁷ + 7.1754 × 10⁶ = 7.892 × 10⁷ Final Total: 3.0195 × 10⁸ + 7.892 × 10⁷ = 3.8087 × 10⁸
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 7.2 × 10²³ FLOP
- Jak to zostało ustalone
- Hardware
- Dostosowywanie obliczeń
- 3.5 × 10¹⁹ FLOP
GPU hours: 86400s*9.9e+14*2*0.4=6.8e+19 6ND: 6*8000000000*380000001=18240000048000000000 GMean(1.8e+19,6.8e+19)=3.5e+19 Base model: 7.2e+23 Total: 720035320120906900000000
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA H100 SXM5 80GB
- Zastosowane chipy
- 2
- Czas rzeczywisty
- 24 hours
- Pobór mocy
- 2.8 kW
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
"Code and our pre-trained model will be publicly available" as of May'25 I cannot find it
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Prawdopodobnie powyżej 10²³ FLOP
- Yes
- Zapisz pewność
- Confident
- Cytaty
- 23
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- ProtChatGPT: Towards Understanding Proteins with Large Language Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
ProtChatGPT został opublikowany przez University of Technology Sydney,Zhejiang University (ZJU), w kraju zapisanym jako Australia, podczas February 2024. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein question answering.
Zamiast być trenowanym od podstaw, pochodzi z Llama 3-8B. To jest zwykły sposób produkcji wyspecjalizowanego modelu.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 7.2 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
ProtChatGPT — częste pytania
ProtChatGPT— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein question answering. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
ProtChatGPT— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 7.2 × 10²³ FLOP, na sprzęcie zarejestrowanym jako NVIDIA H100 SXM5 80GB. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
ProtChatGPT— 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.
ProtChatGPT— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
ProtChatGPT— ile ma parametrów?
Ma liczbę parametrów równą 8B. 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.
ProtChatGPT— kto to stworzył?
Zostało opublikowane przez University of Technology Sydney,Zhejiang University (ZJU), oparty na Australia, organizacja sklasyfikowana jako academia,Academia.
ProtChatGPT— kiedy to zostało wydane?
Zostało opublikowane w February 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.