MIF-ST
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
- Microsoft Research,OpenBioML,University of Chicago
- Typ organizacji
- Industry,Research collective,Academia
- Kraj
- United States of America, Multinational
- Opublikowany
- 26 October 2022
- Autorzy
- Kevin K Yang, Niccolò Zanichelli, Hugh Yeh
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Proteins, Protein generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- tokens
42M × 300 = 42,000,000 × 300 = 12,600,000,000 = 1.26e10 datapoints
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
- 2.5 × 10²² FLOP
- Jak to zostało ustalone
- Hardware
1. Hardware setup: 200x NVIDIA V100 GPUs with 1.30×10^14 FLOP/s per GPU 2. Training duration: Estimated 4 weeks based on "multiple weeks" phrase (4 weeks × 7 days × 24 hours × 3600 seconds = 2,419,200 seconds) 3. Utilization rate: 40% 4. Calculation: 1.30×10^14 FLOP/s × 200 GPUs × 2.4192×10^6 seconds × 0.4 = 2.5×10^22 FLOP
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 113
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Masked inverse folding with sequence transfer for protein representation learning
- Ostatnio zaktualizowane
- 1 January 2026
Co oznaczają liczby
O tym modelu
MIF-ST został opublikowany przez Microsoft Research,OpenBioML,University of Chicago, w kraju zapisanym jako United States of America, podczas October 2022. Kategoria, do której należy wydawca, to industry,Research collective,Academia.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie proteins, Protein generation.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Szkolenie i pochodzenie
Trening zajmował około 2.5 × 10²² FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
MIF-ST — częste pytania
MIF-ST— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie proteins, Protein generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
MIF-ST— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.5 × 10²² FLOP. 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.
MIF-ST— 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.
MIF-ST— 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.
MIF-ST— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
MIF-ST— kto to stworzył?
Zostało opublikowane przez Microsoft Research,OpenBioML,University of Chicago, oparty na United States of America, organizacja sklasyfikowana jako industry,Research collective,Academia.
MIF-ST— kiedy to zostało wydane?
Zostało opublikowane w October 2022. 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.