企业API定制计划
AI应用开发服务
AI智能翻译API
AI SEO/GEO 服务
网络爬虫服务
登录
const { OpenAI } = require('openai');
const api = new OpenAI({ apiKey: '', baseURL: 'https://api.ai.cc/v1' });
const main = async () => {
const prompt = `
All of the states in the USA:
- Alabama, Mongomery;
- Arkansas, Little Rock;
`;
const response = await api.completions.create({
prompt,
model: 'togethercomputer/evo-1-131k-base',
});
const text = response.choices[0].text;
console.log('Completion:', text);
};
main();
from openai import OpenAI
client = OpenAI(
api_key="",
base_url="https://api.ai.cc/v1",
)
def main():
response = client.completions.create(
model="togethercomputer/evo-1-131k-base",
prompt="""
All of the states in the USA:
- Alabama, Mongomery;
- Arkansas, Little Rock;
""",
)
completion = response.choices[0].text
print(f"Completion: {completion}")
main()
- API 操练场（Playground）
在集成之前，请在沙箱环境中测试所有 API 模型。
我们提供超过 300 种模型供您集成到您的应用程序中。
产品详情
✨ Evo-1 基础版 (131K)：深度解析
Evo-1 Base (131K) 代表了人工智能建模领域的一项重大进步，专为复杂的文本和基因组序列处理而设计。该模型由 Together Computer 开发，利用尖端架构，在理解和生成复杂的生物数据以及完成传统语言任务方面，均展现出无与伦比的性能。
基本信息
- ✨ 型号名称： Evo-1 基础版 (131K)
- 🚀 开发者/创建者： 共同电脑
- 📅 发布日期： 2024年2月25日
- ⚙️ 版本： 1.1
- 💡 型号： 文本到文本人工智能模型
主要特性和功能
Evo-1 Base (131K) 采用独特的架构，能够处理具有大量输入数据的复杂任务，使其在人工智能领域脱颖而出。
- ✅ 70亿个参数： 为各种应用提供强大的建模功能。
- ✅ StripedHyena 建筑： 提高序列处理效率，尤其适用于长序列上下文。
- ✅ 单核苷酸水平建模： 能够进行精确的基因组序列分析。
- 基于 OpenGenome 进行训练： 受益于包含约 3000 亿个Tokens的综合数据集。
- ✅ 长上下文支持： 可处理高达 131K 个令牌的输入，非常适合复杂任务。
预期用途
Evo-1 主要设计用于基因组学、生物信息学以及其他需要高分辨率序列建模的领域。它的多功能性也延伸到了通用语言任务。
- 🧬 基因组数据分析： 先进的DNA序列生成和分析。
- ✍️ 内容自动化： 实现各种需求的内容自动化生成。
- 💬 聊天机器人开发： 构建复杂的聊天机器人和语言理解应用程序。
- 🌐 语言任务： 高效的语言翻译和摘要任务。
语言支持
该模型主要支持 英语以及各种用于特殊应用的生物序列格式。
技术规格
建筑学
Evo-1 利用了 条纹鬣狗建筑这是一种结合多头注意力机制和门控卷积的混合设计。这种创新方法能够高效处理超长序列，在特定情况下优于传统的Transformer模型。
训练数据
该模型经过严格训练，基于以下数据： 开放基因组数据集一个包含大量原核生物全基因组序列的集合。大约包含 3000亿个Tokens该数据集为学习复杂的生物序列提供了坚实的基础。这与许多基因组模型形成鲜明对比，后者通常基于规模较小、更专业的数据集进行训练，这可能会限制其泛化能力。
知识门槛
Evo-1的知识库截至目前是最新的。 2024年2月。
多样性与偏见
训练数据的全面性，涵盖了广泛的原核生物基因组，显著有助于减少偏差，并增强模型在不同生物学背景下的泛化能力。
绩效指标
Evo-1 Base (131K) 在各种基准测试和专门的基因组任务中都表现出了卓越的性能：
- 📈 准确率： 在常见的文本分类基准测试中，准确率达到 89.5%。
- 📊 困惑： 8.3 在 Wikitext-103 数据集上。
- ⭐ F1 分数： 摘要任务得分92.7。
- ⚡速度： 每个令牌的处理时间约为 12 毫秒，可实现实时应用。
- 🛡️ 稳健性： 能够高效处理歧义查询和代码生成，展现出卓越的灵活性。
领先的基因组学能力
- 🔬 零样本函数预测： 在预测突变对适应度的影响方面，它能够与专门的领域特定模型竞争，并且通常表现得更好。
- 🧪 多元素生成： 擅长生成复杂的分子结构，这是合成生物学的一项全新能力。
- 🧬 基因必需性预测： 能够以核苷酸分辨率准确预测基因必需性，这对于理解基因功能至关重要。
与其他型号的比较
Evo-1 Base (131K) 型号以其高度专业化的工具而著称。 进化基因组分析虽然 AlphaFold 和 RoseTTAFold 等模型在蛋白质结构预测方面处于领先地位，但 Evo-1 Base 的独特之处在于它专门针对专注于大规模基因组数据的研究人员，特别是用于探索进化模式和检测跨物种的突变。
Evo-1 Base 能够高效处理海量基因组数据集，使其成为进化生物学、比较基因组学和突变检测领域不可或缺的工具。与 ESM 和 ProtBert 等以蛋白质为中心的模型不同，Evo-1 Base 的架构经过精细调整，更适用于…… 基因组学见解使其成为推进基因组学研究和了解生命进化力量的有力选择。
使用与集成
代码示例
Evo-1 型号可通过以下方式获取 AI/ML API平台 在标识符下 togethercomputer/evo-1-131k-base。
API 文档
有关全面的集成指南，请参阅详细信息。 API 文档 可在 AI/ML API 网站上获取。
道德准则与许可
伦理准则
Evo-1 的开发严格遵循 人工智能和生物信息学伦理标准强调负责任地使用基因组数据分析，并积极减少潜在的偏差。
许可
该模型根据以下条款发布： Apache 2.0 许可证授予广泛的商业和非商业用途权利。
❓ 常见问题解答 (FAQ)
问：Evo-1 Base (131K) 在基因组分析方面有何独特之处？
答：Evo-1 的突出之处在于其 StripedHyena 架构，该架构能够处理长上下文序列（高达 131K 个标记），并可在庞大的 OpenGenome 数据集上进行训练。这使得基因组序列建模能够达到前所未有的分辨率，包括单核苷酸水平的分析以及多元素生成等高级任务。
问：Evo-1 Base 可以用于一般语言任务吗？还是只能用于基因组学？
答：Evo-1 Base 虽然高度专注于基因组学和生物信息学，但它也是一款功能全面的文本到文本人工智能模型。它可以有效地处理通用语言任务，例如内容生成、摘要、翻译和聊天机器人开发，主要支持英语。
问：条纹鬣狗建筑的意义是什么？
答：StripedHyena架构是一种混合设计，结合了多头注意力机制和门控卷积。这项创新使得Evo-1能够比传统的Transformer模型更高效地处理长序列，这对于需要大量输入数据的复杂任务至关重要，尤其是在基因组学领域。
问：Evo-1 与生物学领域其他知名的 AI 模型相比如何？
答：Evo-1 专为进化基因组分析和突变检测而专门优化，这使其区别于 AlphaFold 和 RoseTTAFold（专注于蛋白质结构预测）或 ESM 和 ProtBert（针对蛋白质序列优化）等模型。Evo-1 的优势在于能够解读大规模基因组数据并理解进化模式。
问：Evo-1 Base (131K) 是以什么许可证发布的？
答：Evo-1 Base (131K) 根据 Apache 2.0 许可证发布，允许商业和非商业用途，为开发人员和研究人员提供了广泛的灵活性。
