CHAI-1
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są dostępne publicznie, jednak nie opublikowano liczby parametrów dla niego. Każdy wskaźnik pamięci i szybkości zaczyna się od tej liczby, dlatego wolelibyśmy nie podawać niczego, niż sfałszowaną szacunkową wartość.
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
- Chai discovery
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowane
- 15 October 2024
- Autorzy
- Jacques Boitreaud, Jack Dent, Matthew McPartlon, Joshua Meier, Vinicius Reis, Alex Rogozhnikov, Kevin Wu
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Biology
- Zadanie
- Protein folding prediction, Protein-ligand contact prediction
- Numerical format
- BF16
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
- 128
Taken from paper
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
- 7.8 × 10²¹ FLOP
- Jak to zostało ustalone
- Hardware
From paper: 128 A100s for 30 days; assumptions: 30% utilization rate, FP16 precision
Trening
Co fizycznie zajęło szkolenie: które chipy, ile ich, na jak długo i ile to pobrało z sieci.
- Sprzęt szkoleniowy
- NVIDIA A100
- Chips użyte
- 128
- Wall-clock time
- 720 hours (30 days)
- Pobór mocy
- 100.8 kW
Taken from paper: 128 A100s for 30 days
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
- Open — downloadable
- Dostęp do modelu
- Open weights (non-commercial)
- Kod treningowy
- Open (non-commercial)
https://github.com/chaidiscovery/chai-lab?tab=License-1-ov-file
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Dlaczego jest śledzone
- SOTA improvement
- Zaufanie do nagrania
- Confident
Matches or beats AF3 on Ligand PoseBusters
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Introducing Chai-1: Decoding the molecular interactions of life
- Ostatnia aktualizacja
- 28 November 2025
Co oznaczają liczby
O tym modelu
CHAI-1 was published by Chai discovery, in United States of America, in October 2024. It comes out of industry.
It works in Biology, and is recorded as doing protein folding prediction, Protein-ligand contact prediction.
Otwarta waga to coś, co sprawia, że ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: to model, który możesz rzeczywiście trzymać.
Jak to było trenowane
Producing it required around 7.8 × 10²¹ FLOP of arithmetic, on NVIDIA A100, which is a statement about the training budget rather than about inference.
The reason it appears in this catalogue at all is sOTA improvement.
Odpowiedzi
CHAI-1 — Często zadawane pytania
Who created CHAI-1?
CHAI-1 was published by Chai discovery, based in United States of America, categorised as industry.
When was CHAI-1 released?
CHAI-1 was published in October 2024. 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 CHAI-1 used for?
CHAI-1 works in Biology, and is recorded as handling protein folding prediction, Protein-ligand contact prediction. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
Where can I download CHAI-1?
The weights for CHAI-1 are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train CHAI-1?
Around 7.8 × 10²¹ FLOP, on NVIDIA A100. 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 CHAI-1?
We cannot say. CHAI-1 has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is CHAI-1 open source?
Its weights are published, so CHAI-1 can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does CHAI-1 have?
No parameter count has been published for CHAI-1, which is why no memory or speed figure appears on this page.
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..