楼主: 内在化68002
232 1

[公开数据] AI模型研发与算力投入数据Epoch AI模型属性表:3700个模型、57个字段的CSV与获取 [推广有奖]

  • 0关注
  • 0粉丝

等待验证会员

学前班

0%

还不是VIP/贵宾

-

威望
0 级
论坛币
0 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
10 点
帖子
0
精华
0
在线时间
0 小时
注册时间
2026-11-6
最后登录
2026-11-6

楼主
内在化68002 发表于 2026-11-6 11:07:31 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

Epoch AI 的 AI 模型数据库这两天刚更新过,页面顶部写的更新日期是 2026 年 11 月 4 日,收录「超过 3700 个模型」。它对外的入口不是一个 CSV,而是四个按覆盖范围切分的表加一个压缩包。

 

这份资料适合什么人:想做大模型算力趋势、参数规模对比、机构与国家分布,或者要给课程找一份现成的模型属性表。

 

五个下载入口分别是什么

 

文件覆盖范围
notable_ai_models.csv值得关注的模型,字段最全、注释最详尽
frontier_ai_models.csv前沿模型,用于看能力边界怎么移动
large_scale_ai_models.csv大规模训练模型,算力在阈值以上的那批
all_ai_models.csv全部模型的属性表
ai_models.zip整库打包,含上述表与配套说明

 

页面还提供图与表两种浏览方式,图上可以按训练算力、发布时间两个轴摆,用领域、机构、国家、可得性上色,回归线能切成每年多少倍或多少数量级。

 

all_ai_models.csv 有 57 列

 

把这一份表读进来,列名大致分七组:

 

身份与出处:Model、Authors、Publication date、Reference、Link、Citations、Archived links、Last modified。

 

组织与地理:Organization、Organization categorization、Country (of organization)、Hugging Face developer id。

 

任务属性:Domain、Task、Approach、Foundation model、Base model。

 

规模与算力:Parameters、Training compute (FLOP)、Training compute lower bound、Training compute upper bound、Post-training compute (FLOP)、Finetune compute (FLOP)、Training dataset size (total)、Epochs、Batch size、Training time (hours)、Training chip-hours。

 

硬件与成本:Training hardware、Hardware quantity、Numerical format、Training power draw (W)、Hardware utilization (MFU)、Hardware utilization (HFU)、Training compute cost (2023 USD)、Training cloud compute vendor、Training data center。

 

可得性:Model accessibility、Training code accessibility、Open model weights?、Accessibility notes。

 

方法与置信度:Confidence、Training compute estimation method、Notability criteria 及其 notes,以及几乎每个数值列后面跟的 notes 列。

 

最后这一组是这套数据最有辨识度的地方。算力、参数量、数据量这些数很多不是厂商公布的,而是按硬件、时长、利用率估出来的,所以每一列都配了一条注释说明怎么来的,另有一个 Confidence 列标估计的可靠程度。

 

三个使用上的注意

 

估算值不要当实测值用。 带 lower bound、upper bound 的列说明同一模型存在区间估计,做回归时用点估计还是区间要提前说明,否则结论的稳健性无从判断。

 

notes 列不能丢。 只取数值列丢掉注释,等于把「这个数怎么来的」一起丢了。真要做可复现的分析,notes 与 estimation method 两列建议一并保留。

 

覆盖偏向知名模型。 数据库按公开信息收录,小机构、非英语、未公开的模型覆盖弱。用它算「全球模型总量」会低估,用来比同一批前沿模型的算力趋势更合适。

 

获取上的实际条件

 

页面不需要登录,四个 CSV 与压缩包都是直接下载。字段说明另有一份文档页,逐个字段解释定义与估算法,遇到看不懂的列去查那页比猜快。

 

数据文件本身没有附带许可文本,页面提供了 data@epoch.ai 的联系入口。学术引用一般按页面给出的引用格式处理;要商用或者二次分发整库,先写信确认,别默认可以随便转。

 

────────────────

四个 CSV 的直链、压缩包地址、字段说明文档页与引用格式都放在下面,回复后可见。


游客,如果您要查看本帖隐藏内容请回复

把经管之家装进你常用的 AI 智能体中

一键快捷安装经管之家 MCP/技能,让 AI 帮你查教程、找数据、读论坛帖子。

检索、阅读公开帖子不收费,安装可申请领取:3 通用积分+100 论坛币+3 元论坛资金

请点击查看安装教程与福利 →

说明: AI 算力按所用平台规则计算;附件按原帖条件获取;福利领取条件以活动页面为准。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


沙发
上证综指60080 发表于 2026-11-6 12:34:01
正好在做算力趋势,谢谢

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-19 01:42