BigRNA
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- DeepGenomics
- Typ organizacji
- Industry
- Kraj
- Canada
- Opublikowane
- 27 September 2023
- Autorzy
- Albi Celaj, Alice Jiexin Gao, Tammy T.Y. Lau, Erle M. Holgersen, Alston Lo, Varun Lodaya, Christopher B. Cole, Robert E. Denroche, Carl Spickett, Omar Wagih, Pedro O. Pinheiro, Parth Vora, Pedrum Mohammadi-Shemirani, Steve Chan, Zach Nussbaum, Xi Zhang, Helen Zhu, Easwaran Ramamurthy, Bhargav Kanuparthi, Michael Iacocca, Diane Ly, Ken Kron, Marta Verby, Kahlin Cheung-Ong, Zvi Shalev, Brandon Vaz,…
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Biology
- Zadanie
- Drug discovery, Protein-RNA binding affinity prediction, Gene expression profile generation
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Parametry
- 2B
- Dane treningowe
- 1,000,000,000,000 tokens
2B
"trained on thousands of datasets comprising one trillion genomic signals"
Obliczenia szkoleniowe
Aritmetyka wykonywana w celu wytrenowania modelu, mierzone w operacjach zmiennoprzecinkowych. Jest to miara kosztu przeprowadzonego treningu, a nie tego, jak szybko gotowy model odpowiada na twoje zapytania.
- Obliczenia szkoleniowe
- 1.2 × 10²² FLOP
- Jak to zostało ustalone
- Operation counting
6 FLOP/parameter/token * 2000000000 parameters * 1000000000000 tokens = 1.2e+22 FLOP "Likely" confidence because I amnot sure that "signals" correspond directly to gradient updates
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Zaufanie do nagrania
- Likely
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- An RNA foundation model enables discovery of disease mechanisms and candidate therapeutics
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
Skąd to przyszło
BigRNA was published by DeepGenomics, in Canada, in September 2023. industry is the category the publisher falls under.
It works in Biology, and is recorded as doing drug discovery, Protein-RNA binding affinity prediction, Gene expression profile generation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Training and provenance
Training it took roughly 1.2 × 10²² FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
The training set ran to roughly 1,000,000,000,000 tokens.
Odpowiedzi
BigRNA — Często zadawane pytania
How many parameters does BigRNA have?
BigRNA has 2B parameters. 2B. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created BigRNA?
BigRNA was published by DeepGenomics, based in Canada, categorised as industry.
When was BigRNA released?
BigRNA was published in September 2023. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is BigRNA used for?
BigRNA works in Biology, and is recorded as handling drug discovery, Protein-RNA binding affinity prediction, Gene expression profile generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train BigRNA?
Around 1.2 × 10²² FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run BigRNA?
None. BigRNA is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is BigRNA open source?
No. BigRNA has not had its weights published, so it exists only as a service controlled by its owner.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..