Aeneas
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
- 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
- Opublikowane
- 23 July 2025
- Authors
- 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 zawierać kilka z każdej.
- Domena
- Vision, Multimodal, Language
- Zadanie
- Character recognition (OCR), Visual question answering
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. 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 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
- 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
Trening
Co fizycznie zajęło szkolenie: które chipy, ile ich, na jak długo i ile to pobrało z sieci.
- Sprzęt szkoleniowy
- Google TPU v5e
- Chips used
- 64
- Wall-clock time
- 168 hours (7 days)
- Pobór mocy
- 28.2 kW
- Cloud vendor
- 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 własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają 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 stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Zaufanie do nagrania
- Confident
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Contextualizing ancient texts with generative neural networks
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
O tym modelu
Aeneas was published by Google DeepMind,University of Nottingham,University of Warwick,Athens University of Economics and Business,Google,University of Oxford, in United States of America, in July 2025. industry,Academia,Academia,Academia,Industry,Academia is the category the publisher falls under.
It works in Vision, Multimodal, Language, and is recorded as doing character recognition (OCR), Visual question answering.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żadna karta graficzna tego nie zmieni.
Co poszło w budowę tego
Producing it required around 2.3 × 10²¹ FLOP of arithmetic, on Google TPU v5e, which is a statement about the training budget rather than about inference.
Odpowiedzi
Aeneas — Często zadawane pytania
What is Aeneas used for?
Aeneas works in Vision, Multimodal, Language, and is recorded as handling character recognition (OCR), Visual question answering. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train Aeneas?
Around 2.3 × 10²¹ FLOP, on Google TPU v5e. 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 Aeneas?
None. Aeneas 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 Aeneas open source?
No. Aeneas has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Aeneas have?
No parameter count has been published for Aeneas, which is why no memory or speed figure appears on this page.
Who created Aeneas?
Aeneas was published by Google DeepMind,University of Nottingham,University of Warwick,Athens University of Economics and Business,Google,University of Oxford, based in United States of America, categorised as industry,Academia,Academia,Academia,Industry,Academia.
When was Aeneas released?
Aeneas was published in July 2025.
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..