Aeneas
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
- Google DeepMind,University of Nottingham,University of Warwick,Athens University of Economics and Business,Google,University of Oxford
- Typ organizacji
- Industry,Academia,Academia,Academia,Industry,Academia
- Kraj
- United States of America, United Kingdom of Great Britain and Northern Ireland, Greece
- Opublikowany
- 23 July 2025
- Autorzy
- Yannis Assael, Thea Sommerschield, Alison Cooley, Brendan Shillingford, John Pavlopoulos, Priyanka Suresh, Bailey Herms, Justin Grayston, Benjamin Maynard, Nicholas Dietrich, Robbe Wulgaert, Jonathan Prag, Alex Mullen, Shakir Mohamed
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Vision, Multimodal, Language
- Zadanie
- Character recognition (OCR), Visual question answering
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
"batch size of 1,024 text–image pairs, using the LAMB81 optimizer. The learning rate follows a schedule with a peak value of 3 × 10−3, a warm-up phase of 4,000 steps and a total of 1 million steps." -> ~10^9 image-text pairs
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
- 2.3 × 10²¹ FLOP
- Jak to zostało ustalone
- Hardware
197000000000000 FLOP / chip / sec * 64 chips * 168 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.2875955e+21 FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- Google TPU v5e
- Zastosowane chipy
- 64
- Czas rzeczywisty
- 168 hours (7 days)
- Pobór mocy
- 28.2 kW
- Dostawca chmury
- Google Cloud
"The model was trained for one week using 64 Tensor Processing Unit v5e chips on the Google Cloud platform"
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
- Hosted access (no API)
- Kod treningowy
- Open source
Apache 2.0 https://github.com/google-deepmind/predictingthepast/tree/main/train
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Contextualizing ancient texts with generative neural networks
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
Aeneas został opublikowany przez Google DeepMind,University of Nottingham,University of Warwick,Athens University of Economics and Business,Google,University of Oxford, w kraju zapisanym jako United States of America, podczas July 2025. Kategoria, do której należy wydawca, to industry,Academia,Academia,Academia,Industry,Academia.
Działa w dziedzinie Vision, Multimodal, Language, i jest zapisany jako wykonujący zadanie character recognition (OCR), Visual question answering.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Co poszło w budowę tego
Wytworzenie tego wymagało arytmetyki sumującej około 2.3 × 10²¹ FLOP, na sprzęcie zarejestrowanym jako Google TPU v5e. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
Aeneas — częste pytania
Aeneas— do czego to służy?
Działa w dziedzinie Vision, Multimodal, Language, i jest zarejestrowany jako realizujący zadanie character recognition (OCR), Visual question answering. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Aeneas— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.3 × 10²¹ FLOP, na sprzęcie zarejestrowanym jako Google TPU v5e. 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.
Aeneas— 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.
Aeneas— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Aeneas— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
Aeneas— kto to stworzył?
Zostało opublikowane przez Google DeepMind,University of Nottingham,University of Warwick,Athens University of Economics and Business,Google,University of Oxford, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia,Academia,Academia,Industry,Academia.
Aeneas— kiedy to zostało wydane?
Zostało opublikowane w July 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.