PLTNUM
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
- Kyoto University,National Institute of Biomedical Innovation,RIKEN
- Typ organizacji
- Academia,Government
- Kraj
- Japan
- Opublikowany
- 14 September 2024
- Autorzy
- Tatsuya Sagawa, Eisuke Kanao, Kosuke Ogata, Koshi Imami, Yasushi Ishihama
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Biology
- Zadanie
- Protein property prediction
- Model bazowy
- SaProt
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 650M
- Dane treningowe
- tokens
- Epoki
- 10
Total Datapoints = Number of Proteins × Sequence Length Total Datapoints = 4,162 × 510 = 2,122,620 tokens Final result ≈ 2.1 × 10^6 tokens
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
- Prediction of Protein Half-lives from Amino Acid Sequences by Protein Language Models
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
Co to jest model?
PLTNUM został opublikowany przez Kyoto University,National Institute of Biomedical Innovation,RIKEN, w kraju zapisanym jako Japan, podczas September 2024. Kategoria, do której należy wydawca, to academia,Government.
Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie protein property prediction.
Zamiast być trenowanym od podstaw, pochodzi z SaProt. To jest zwykły sposób produkcji wyspecjalizowanego modelu.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Odpowiedzi
PLTNUM — częste pytania
PLTNUM— do czego to służy?
Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie protein property prediction. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
PLTNUM— 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.
PLTNUM— 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.
PLTNUM— ile ma parametrów?
Ma liczbę parametrów równą 650M. 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.
PLTNUM— kto to stworzył?
Zostało opublikowane przez Kyoto University,National Institute of Biomedical Innovation,RIKEN, oparty na Japan, organizacja sklasyfikowana jako academia,Government.
PLTNUM— kiedy to zostało wydane?
Zostało opublikowane w September 2024. 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.