Brain2Qwerty
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
- Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition
- Typ organizacji
- Industry,Academia,Academia
- Kraj
- United States of America, France, Spain
- Opublikowany
- 18 February 2025
- Autorzy
- Jarod Lévy,, Mingfang (Lucy) Zhang, Svetlana Pinet, Jérémy Rapin, Hubert Banville, Stéphane d’Ascoli, Jean-Rémi King
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language generation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 400M
- Dane treningowe
- tokens
- Epoki
- 100
a total of ∼ 400M parameters (258M for Conv, 138M for Trans)
The model is trained for 100 epochs with a batch size of 128 Custom dataset collected from 35 participants typing 128 unique Spanish sentences
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
- 1.6 × 10¹⁸ FLOP
- Jak to zostało ustalone
- Hardware
125000000000000 FLOP / GPU / sec [V100 reported, bf16 assumed] * 1 GPU * 12 hours * 3600 sec / hour * 0.3 [assumed utilization] = 1.62e+18 FLOP
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA V100
- Zastosowane chipy
- 1
- Czas rzeczywisty
- 12 hours
- Pobór mocy
- 324 W
Training was conducted on a single NVIDIA Tesla V100 Volta GPU with 32 GB of memory. The total runtime for training one model is ∼12 hours
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
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
- Brain-to-Text Decoding: A Non-invasive Approach via Typing
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Skąd to pochodzi
Brain2Qwerty został opublikowany przez Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition, w kraju zapisanym jako United States of America, podczas February 2025. Kategoria, do której należy wydawca, to industry,Academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language generation.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Jak to zostało wytrenowane
Wytworzenie tego wymagało arytmetyki sumującej około 1.6 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
Brain2Qwerty — częste pytania
Brain2Qwerty— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language generation. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Brain2Qwerty— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1.6 × 10¹⁸ FLOP, na sprzęcie zarejestrowanym jako NVIDIA V100. 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.
Brain2Qwerty— 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.
Brain2Qwerty— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Brain2Qwerty— ile ma parametrów?
Ma liczbę parametrów równą 400M. a total of ∼ 400M parameters (258M for Conv, 138M for Trans). 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.
Brain2Qwerty— kto to stworzył?
Zostało opublikowane przez Meta AI,Universite de Technologie de Compiègne – CNRS,Basque Center on Cognition, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia,Academia.
Brain2Qwerty— kiedy to zostało wydane?
Zostało opublikowane w February 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.