--- title: "सत्ताएँ · मन और संभावित मन, प्रमाण के क्रम में · सिमुलेशन परिकल्पना" url: https://simulation-hypothesis.com/hi/entities description: "मनों की स्रोत-सहित गाइड: मापी गई न्यूरॉन-गिनती वाले जानवर, सामूहिक और कृत्रिम तंत्र, और संवेदन-क्षमता व चेतना की प्रकाशित जाँचें।" license: https://creativecommons.org/licenses/by/4.0/ credit: "Ross Allan Dahl, सिमुलेशन परिकल्पना (simulation-hypothesis.com)" --- # सत्ताएँ · मन और संभावित मन, प्रमाण के अनुसार छाँटे हुए अगर दुनिया सिमुलेशन है, तो मन उसकी उन चीज़ों में से हो सकते हैं जिनकी गणना सबसे कठिन है। यह गाइड ज्ञात मामलों की सूची देती है, एकल कोशिकाओं से इंसानों तक। इसमें अब तक बने कृत्रिम तंत्र भी हैं, और वे मन भी जिन्हें वैज्ञानिकों और दार्शनिकों ने प्रस्तावित किया है पर जिन्हें किसी ने देखा नहीं। हर आँकड़े का एक स्रोत और एक भरोसे का टैग है। मापा गया सीधी गिनती है, अनुमान दूसरे डेटा से निकाला गया है, और गिना नहीं गया का मतलब है कि किसी ने गिनती प्रकाशित नहीं की। इनमें से किसी प्रणाली के पास अनुभव हैं या नहीं, यह अलग सवाल है। उसके प्रमाण [संवेदन-क्षमता के मापदंड](https://simulation-hypothesis.com/hi/entities/sentience) और [चेतना के संकेतक](https://simulation-hypothesis.com/hi/entities/indicators) के अंतर्गत हैं। ## अलग-अलग मन ## जानवर: कॉर्टेक्स और पूरे मस्तिष्क में न्यूरॉन कॉर्टेक्स या पैलियम पूरा मस्तिष्क सभी स्तनधारी पक्षी प्रमस्तिष्क कॉर्टेक्स (स्तनधारियों में) या पैलियम (पक्षियों में) के न्यूरॉन, जो संज्ञानात्मक क्षमता का एक व्यापक रूप से इस्तेमाल होने वाला शारीरिक पैमाना है। लघुगणकीय पैमाना; ठोस पट्टियाँ गिनतियाँ हैं, धारीदार पट्टियाँ अनुमान या विवादित गिनतियाँ (†)। सरीसृप और अकशेरुकी नहीं दिखाए गए, क्योंकि तुलना लायक कोई गिनती उपलब्ध नहीं है। 1. ऑर्का † 43.1 अरब 2. लंबे पंख वाली पायलट व्हेल † 37.2 अरब 3. [इंसान](https://simulation-hypothesis.com/hi/entities/human)▲1 16.3 अरब 4. हार्बर पोरपॉइज़ † 14.9 अरब 5. [बॉटलनोज़ डॉल्फ़िन †](https://simulation-hypothesis.com/hi/entities/dolphin) 12.7 अरब 6. क्यूवियर की चोंचदार व्हेल 9.1 अरब 7. गोरिल्ला 8.5 अरब 8. ओरंगुटान 8.5 अरब 9. [चिंपांज़ी](https://simulation-hypothesis.com/hi/entities/chimp) 7.4 अरब 10. आम डॉल्फ़िन 6.7 अरब 11. हार्प सील 6.1 अरब 12. [अफ़्रीकी हाथी](https://simulation-hypothesis.com/hi/entities/elephant)▼1 5.6 अरब 13. फ़िन व्हेल 5.2 अरब 14. नीली व्हेल 5.1 अरब 15. मिंक व्हेल 3.2 अरब सभी 88 दिखाएँ 10^6 10^7 10^8 10^9 10^10 10^11 neurons संख्याएँ दिखाएँ | # | जानवर | कॉर्टेक्स या पैलियम | पूरा मस्तिष्क | | -- | --------------------------- | ------------------- | ------------- | | 1 | ऑर्का † | 43.1 अरब | | | 2 | लंबे पंख वाली पायलट व्हेल † | 37.2 अरब | | | 3 | इंसान | 16.3 अरब | 86.1 अरब | | 4 | हार्बर पोरपॉइज़ † | 14.9 अरब | | | 5 | बॉटलनोज़ डॉल्फ़िन † | 12.7 अरब | | | 6 | क्यूवियर की चोंचदार व्हेल | 9.1 अरब | | | 7 | गोरिल्ला | 8.5 अरब | | | 8 | ओरंगुटान | 8.5 अरब | | | 9 | चिंपांज़ी | 7.4 अरब | | | 10 | आम डॉल्फ़िन | 6.7 अरब | | | 11 | हार्प सील | 6.1 अरब | | | 12 | अफ़्रीकी हाथी | 5.6 अरब | 2.57 खरब | | 13 | फ़िन व्हेल | 5.2 अरब | | | 14 | नीली व्हेल | 5.1 अरब | | | 15 | मिंक व्हेल | 3.2 अरब | 57.4 अरब | | 16 | जैतूनी बबून | 2.88 अरब | 10.95 अरब | | 17 | बेलुगा | 2.7 अरब | | | 18 | पिग्मी स्पर्म व्हेल | 2.02 अरब | | | 19 | नीला-पीला मकाउ | 1.92 अरब | 3.14 अरब | | 20 | रीसस मकाक | 1.71 अरब | 6.39 अरब | | 21 | जिराफ़ | 1.67 अरब | 11.21 अरब | | 22 | गिलहरी बंदर | 1.34 अरब | 3.25 अरब | | 23 | यूरेशियाई ईगल-उल्लू | 1.33 अरब | 1.9 अरब | | 24 | केआ | 1.28 अरब | 2.15 अरब | | 25 | हिम उल्लू | 1.27 अरब | 1.81 अरब | | 26 | आम कौआ | 1.2 अरब | 2.17 अरब | | 27 | टॉनी उल्लू | 1.15 अरब | 1.58 अरब | | 28 | कैपुचिन बंदर | 1.14 अरब | 3.69 अरब | | 29 | गंधक-कलगी वाला कॉकटू | 1.14 अरब | 2.12 अरब | | 30 | अफ़्रीकी ग्रे तोता | 85 करोड़ | 1.57 अरब | | 31 | रूक | 82 करोड़ | 1.51 अरब | | 32 | ग्रेटर कुडू | 79.31 करोड़ | 6.09 अरब | | 33 | लंबे कान वाला उल्लू | 67.3 करोड़ | 99.13 करोड़ | | 34 | गॉफ़िन का कॉकटू | 59.9 करोड़ | 1.16 अरब | | 35 | शेर | 54.52 करोड़ | 4.67 अरब | | 36 | सफ़ेद पूँछ वाला उक़ाब | 54.29 करोड़ | 1.65 अरब | | 37 | यूरेशियाई जे | 52.9 करोड़ | 1.09 अरब | | 38 | घरेलू कुत्ता | 52.6 करोड़ | | | 39 | धारीदार लकड़बग्घा | 49.53 करोड़ | 3.88 अरब | | 40 | पश्चिमी जैकडॉ | 49.2 करोड़ | 96.8 करोड़ | | 41 | आम शुतुरमुर्ग | 47.94 करोड़ | 1.63 अरब | | 42 | यूरेशियाई मैगपाई | 44.3 करोड़ | 89.73 करोड़ | | 43 | सेकर बाज़ | 44.29 करोड़ | 1.2 अरब | | 44 | एमू | 43.9 करोड़ | 1.34 अरब | | 45 | रैकून | 43.79 करोड़ | 2.15 अरब | | 46 | बार्न उल्लू | 43.7 करोड़ | 68.95 करोड़ | | 47 | छोटा उल्लू | 40.08 करोड़ | 58.59 करोड़ | | 48 | काला गिद्ध | 39.89 करोड़ | 1.01 अरब | | 49 | यूरेशियाई पिग्मी उल्लू | 36.4 करोड़ | 53.33 करोड़ | | 50 | आम बज़र्ड | 35.17 करोड़ | 1 अरब | | 51 | ग्रेटर रिया | 33.03 करोड़ | 1.03 अरब | | 52 | मूक हंस | 32.37 करोड़ | 1 अरब | | 53 | घरेलू सूअर | 29.3 करोड़ | 2.22 अरब | | 54 | ग्रेलैग हंस | 25.87 करोड़ | 73.82 करोड़ | | 55 | भूरा भालू | 25.1 करोड़ | 9.59 अरब | | 56 | घरेलू बिल्ली | 25 करोड़ | 1.22 अरब | | 57 | आम मार्मोसेट | 24.5 करोड़ | 63.8 करोड़ | | 58 | आम केस्ट्रल | 23.79 करोड़ | 62.46 करोड़ | | 59 | यूरेशियाई टील | 16.73 करोड़ | 37.54 करोड़ | | 60 | बजरीगर | 14.9 करोड़ | 32.18 करोड़ | | 61 | लाल छाती वाला हंस | 14.86 करोड़ | 48.27 करोड़ | | 62 | वुड डक | 13.82 करोड़ | 30.58 करोड़ | | 63 | पिग्मी बाज़ | 13.19 करोड़ | 35.04 करोड़ | | 64 | संगमरमरी बत्तख | 13.01 करोड़ | 38.69 करोड़ | | 65 | भारतीय मोर | 12.96 करोड़ | 57.09 करोड़ | | 66 | पीली गाँठ वाला क्यूरासो | 12.46 करोड़ | 65.3 करोड़ | | 67 | विक्टोरिया कलगीदार कबूतर | 11.84 करोड़ | 57.87 करोड़ | | 68 | मैलार्ड | 11.23 करोड़ | 36.75 करोड़ | | 69 | जंगली टर्की | 10.57 करोड़ | 49.29 करोड़ | | 70 | यूरेशियाई स्पैरोहॉक | 8.78 करोड़ | 40.18 करोड़ | | 71 | रीव्ज़ का तीतर | 8.07 करोड़ | 38.72 करोड़ | | 72 | कबूतर | 7.2 करोड़ | 31 करोड़ | | 73 | यूरोपीय खरगोश | 7.15 करोड़ | 51.3 करोड़ | | 74 | लाल जंगली मुर्गा | 6.07 करोड़ | 22.08 करोड़ | | 75 | चिली का टिनामू | 5.91 करोड़ | 24.14 करोड़ | | 76 | ज़ेब्रा फ़िंच | 5.52 करोड़ | 13.6 करोड़ | | 77 | सुंदर कलगी वाला टिनामू | 5.14 करोड़ | 21.78 करोड़ | | 78 | आम जंगली कबूतर | 5.13 करोड़ | 25.87 करोड़ | | 79 | क्यूब्राचो कलगीदार टिनामू | 4.83 करोड़ | 23.57 करोड़ | | 80 | अफ़्रीकी कॉलर वाला फ़ाख़्ता | 4 करोड़ | 13.93 करोड़ | | 81 | नॉर्दर्न बॉबव्हाइट | 3.91 करोड़ | 14.84 करोड़ | | 82 | ग्रे पार्ट्रिज | 3.69 करोड़ | 17.03 करोड़ | | 83 | चूहा | 3.1 करोड़ | 20 करोड़ | | 84 | आम बटेर | 2.26 करोड़ | 11.78 करोड़ | | 85 | किंग बटेर | 2.05 करोड़ | 8.05 करोड़ | | 86 | डायमंड डव | 1.82 करोड़ | 8.79 करोड़ | | 87 | चूहा | 1.37 करोड़ | 7.09 करोड़ | | 88 | नेकेड मोल-रैट | 53.1 लाख | 3.36 करोड़ | ## AI प्रणालियाँ: पैरामीटर बनाम सिनैप्स सभी पैरामीटर प्रति टोकन इस्तेमाल All भाषा मल्टीमॉडल दृष्टि अन्य (वाक्, जीव विज्ञान, खेल, रोबोटिक्स…) प्रशिक्षित किए जा सकने वाले पैरामीटर (कनेक्शन वेट), लघुगणकीय पैमाने पर: Epoch AI के डेटाबेस का हर उल्लेखनीय मॉडल जिसकी पैरामीटर गिनती है (प्राप्त 3 अक्टूबर 2026)। ठोस पट्टियाँ वे गिनतियाँ हैं जिन्हें Epoch भरोसेमंद मानता है; धारीदार पट्टियाँ वे जिन्हें वह संभावित या अटकल मानता है। \* से चिह्नित पट्टियाँ बंद मॉडलों के अनुमान हैं जिनके डेवलपर आकार प्रकाशित नहीं करते, तृतीय-पक्ष विश्लेषणों से 2 अक्टूबर 2026 में संकलित; व्हिस्कर (त्रुटि-रेखा) अनुमान का दायरा दिखाती है। Gemini 3 और उसके बाद: कोई प्रकाशित अनुमान नहीं। खोखली पंक्तियाँ सिनेप्स की गिनतियाँ हैं: पैरामीटर न्यूरॉन से ज़्यादा सिनेप्स के करीब है। 1. इंसानी नियोकॉर्टेक्स 1.6 × 10¹⁴ 2. GPT-5.5 (OpenAI, 2026) \* \~4.7 × 10¹² 3. Claude Fable 5 (Anthropic, 2026) \* \~3.5 × 10¹² 4. Grok 3 (xAI, 2025) \~3 × 10¹² 5. Grok 4 (xAI, 2025) \~3 × 10¹² 6. Gemini 2.5 Pro (Google, 2025) \* \~3 × 10¹² 7. Kimi K3 (Moonshot, 2026) \~2.8 × 10¹² 8. Qwen 3.8 Max (Alibaba, 2026) 2.4 × 10¹² 9. Qwen3.8-2.4T-A95B (Alibaba, 2026) 2.4 × 10¹² 10. Grok 4.7 (xAI, 2026) \* \~2.1 × 10¹² 11. Llama 4 Behemoth (Meta AI, 2025) \~2 × 10¹² 12. GPT-4 (OpenAI, 2023) \~1.8 × 10¹² 13. DeepSeek-V4-Pro (DeepSeek, 2026) \~1.6 × 10¹² 14. LongCat-2.0 (Meituan Inc, 2026) \~1.6 × 10¹² 15. Switch (Google, 2021) 1.6 × 10¹² 16. GLaM (Google, 2021) 1.2 × 10¹² 17. PanGu-Σ (Huawei Noah's Ark Lab, 2023) 1.1 × 10¹² 18. Kimi K2.5 (Moonshot, 2026) \~1 × 10¹² 19. Composer 2 (Cursor, 2026) 1 × 10¹² 20. Kimi K2.6 (Moonshot, 2026) 1 × 10¹² 21. Composer 2.5 (Cursor, 2026) \~1 × 10¹² 22. MiMo-V2-Pro (Xiaomi Corp, 2026) 1 × 10¹² 23. MiMo-V2.5-Pro (Xiaomi Corp, 2026) \~1 × 10¹² 24. M6-T (Alibaba, 2021) \~1 × 10¹² 25. Kimi K2 (Moonshot, 2025) 1 × 10¹² 26. Qwen3-Max (Alibaba, 2025) \~1 × 10¹² 27. Ling-1T (Ant Group, 2025) 1 × 10¹² 28. Kimi K2 Thinking (Moonshot, 2025) \~1 × 10¹² 29. Inkling (Thinking Machines, 2026) \~9.8 × 10¹¹ 30. Tencent Hy4 preview (Tencent, 2026) \~7.7 × 10¹¹ 31. GLM-5.1 (Z.ai (Zhipu AI), 2026) 7.5 × 10¹¹ 32. K-EXAONE 2.0 (LG AI Research, 2026) 7.5 × 10¹¹ 33. DeepSeek V4.1 Flash (DeepSeek, 2026) \~7.5 × 10¹¹ 34. GLM-5 (Z.ai (Zhipu AI), 2026) \~7.4 × 10¹¹ 35. GLM-5.3 (Z.ai (Zhipu AI), 2026) 7.4 × 10¹¹ 36. A.X K2 (SK Telecom, 2026) 6.9 × 10¹¹ 37. DeepSeekMath-V2 (DeepSeek, 2025) 6.8 × 10¹¹ 38. Mistral Large 3 (Mistral AI, 2025) 6.8 × 10¹¹ 39. DeepSeek-V3 (DeepSeek, 2024) 6.7 × 10¹¹ 40. DeepSeek-R1 (DeepSeek, 2025) 6.7 × 10¹¹ सभी 725 दिखाएँ 10^4 10^6 10^8 10^10 10^12 10^14 पैरामीटर या सिनेप्स संख्याएँ दिखाएँ | # | सिस्टम | सभी पैरामीटर | प्रति टोकन इस्तेमाल | वर्ष | प्रकार | | --- | ------------------------------------------------------------------------------------------- | ------------ | ------------------- | ---- | ----------------------------------------------- | | 1 | इंसानी नियोकॉर्टेक्स | 1.6 × 10¹⁴ | 1.6 × 10¹⁴ | | सिनेप्स | | 2 | GPT-5.5 (OpenAI, 2026) \* | \~4.7 × 10¹² | | 2026 | अनुमान | | 3 | Claude Fable 5 (Anthropic, 2026) \* | \~3.5 × 10¹² | | 2026 | अनुमान | | 4 | Grok 3 (xAI, 2025) | \~3 × 10¹² | | 2025 | अनुमान | | 5 | Grok 4 (xAI, 2025) | \~3 × 10¹² | | 2025 | अनुमान | | 6 | Gemini 2.5 Pro (Google, 2025) \* | \~3 × 10¹² | | 2025 | अनुमान | | 7 | Kimi K3 (Moonshot, 2026) | \~2.8 × 10¹² | | 2026 | अनुमान | | 8 | Qwen 3.8 Max (Alibaba, 2026) | 2.4 × 10¹² | 2.4 × 10¹² | 2026 | आर्किटेक्चर नहीं बताया गया | | 9 | Qwen3.8-2.4T-A95B (Alibaba, 2026) | 2.4 × 10¹² | 9.5 × 10¹⁰ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 10 | Grok 4.7 (xAI, 2026) \* | \~2.1 × 10¹² | | 2026 | अनुमान | | 11 | Llama 4 Behemoth (Meta AI, 2025) | \~2 × 10¹² | | 2025 | अनुमान | | 12 | GPT-4 (OpenAI, 2023) | \~1.8 × 10¹² | | 2023 | अनुमान | | 13 | DeepSeek-V4-Pro (DeepSeek, 2026) | \~1.6 × 10¹² | | 2026 | अनुमान | | 14 | LongCat-2.0 (Meituan Inc, 2026) | \~1.6 × 10¹² | | 2026 | अनुमान | | 15 | Switch (Google, 2021) | 1.6 × 10¹² | 1.6 × 10¹² | 2021 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 16 | GLaM (Google, 2021) | 1.2 × 10¹² | 1.2 × 10¹² | 2021 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 17 | PanGu-Σ (Huawei Noah's Ark Lab, 2023) | 1.1 × 10¹² | 1.1 × 10¹² | 2023 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 18 | Kimi K2.5 (Moonshot, 2026) | \~1 × 10¹² | | 2026 | अनुमान | | 19 | Composer 2 (Cursor, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 20 | Kimi K2.6 (Moonshot, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 21 | Composer 2.5 (Cursor, 2026) | \~1 × 10¹² | | 2026 | अनुमान | | 22 | MiMo-V2-Pro (Xiaomi Corp, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | आर्किटेक्चर नहीं बताया गया | | 23 | MiMo-V2.5-Pro (Xiaomi Corp, 2026) | \~1 × 10¹² | | 2026 | अनुमान | | 24 | M6-T (Alibaba, 2021) | \~1 × 10¹² | | 2021 | अनुमान | | 25 | Kimi K2 (Moonshot, 2025) | 1 × 10¹² | 1 × 10¹² | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 26 | Qwen3-Max (Alibaba, 2025) | \~1 × 10¹² | | 2025 | अनुमान | | 27 | Ling-1T (Ant Group, 2025) | 1 × 10¹² | 5 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 28 | Kimi K2 Thinking (Moonshot, 2025) | \~1 × 10¹² | | 2025 | अनुमान | | 29 | Inkling (Thinking Machines, 2026) | \~9.8 × 10¹¹ | | 2026 | अनुमान | | 30 | Tencent Hy4 preview (Tencent, 2026) | \~7.7 × 10¹¹ | | 2026 | अनुमान | | 31 | GLM-5.1 (Z.ai (Zhipu AI), 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 32 | K-EXAONE 2.0 (LG AI Research, 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 33 | DeepSeek V4.1 Flash (DeepSeek, 2026) | \~7.5 × 10¹¹ | | 2026 | अनुमान | | 34 | GLM-5 (Z.ai (Zhipu AI), 2026) | \~7.4 × 10¹¹ | | 2026 | अनुमान | | 35 | GLM-5.3 (Z.ai (Zhipu AI), 2026) | 7.4 × 10¹¹ | 4 × 10¹⁰ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 36 | A.X K2 (SK Telecom, 2026) | 6.9 × 10¹¹ | 6.9 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 37 | DeepSeekMath-V2 (DeepSeek, 2025) | 6.8 × 10¹¹ | 6.8 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 38 | Mistral Large 3 (Mistral AI, 2025) | 6.8 × 10¹¹ | 4.1 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 39 | DeepSeek-V3 (DeepSeek, 2024) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 40 | DeepSeek-R1 (DeepSeek, 2025) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 41 | SenseChat 5.5 (SenseTime, 2024) | 6 × 10¹¹ | 6 × 10¹¹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 42 | Step 5 Preview (StepFun, 2026) | \~6 × 10¹¹ | | 2026 | अनुमान | | 43 | PaLM-E (Google, 2023) | \~5.6 × 10¹¹ | | 2023 | अनुमान | | 44 | Hunyuan-TurboS (Tencent, 2025) | 5.6 × 10¹¹ | 5.6 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 45 | LongCat-Flash (Meituan Inc, 2025) | \~5.6 × 10¹¹ | | 2025 | अनुमान | | 46 | Nemotron 3 Ultra (Nvidia, 2026) | \~5.5 × 10¹¹ | | 2026 | अनुमान | | 47 | PaLM (Google Research, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | सघन | | 48 | Minerva (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | सघन | | 49 | U-PaLM (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | सघन | | 50 | LMSI-Palm (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | सघन | | 51 | Flan-PaLM 540B (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | सघन | | 52 | Megatron-Turing NLG 530B (Microsoft, 2021) | 5.3 × 10¹¹ | 5.3 × 10¹¹ | 2021 | सघन | | 53 | MegaScale (ByteDance, 2024) | \~5.3 × 10¹¹ | | 2024 | अनुमान | | 54 | A.X K1 (SK Telecom, 2025) | 5.2 × 10¹¹ | 5.2 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 55 | Doubao-pro (ByteDance, 2024) | \~5 × 10¹¹ | | 2024 | अनुमान | | 56 | Grok 4.20 (xAI, 2026) | \~5 × 10¹¹ | | 2026 | अनुमान | | 57 | Qwen3-Coder-480B-A35B (Alibaba, 2025) | 4.8 × 10¹¹ | 3.5 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 58 | MiniMax-M3 (MiniMax, 2026) | 4.3 × 10¹¹ | 2.2 × 10¹⁰ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 59 | ERNIE-4.5-VL-424B-A47B (Baidu, 2025) | 4.2 × 10¹¹ | 4.7 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 60 | Llama 3.1-405B (Meta AI, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | सघन | | 61 | Llama 4 Maverick (Meta AI, 2025) | \~4 × 10¹¹ | | 2025 | अनुमान | | 62 | Jamba 1.5-Large (AI21 Labs, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 63 | Qwen3.5 397B-A17B (Alibaba, 2026) | \~4 × 10¹¹ | | 2026 | अनुमान | | 64 | Hunyuan-Large (Tencent, 2024) | 3.9 × 10¹¹ | 3.9 × 10¹¹ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 65 | GLM-4.7 (Z.ai (Zhipu AI), 2025) | \~3.6 × 10¹¹ | | 2025 | अनुमान | | 66 | GLM-4.6 (Z.ai (Zhipu AI), 2025) | \~3.6 × 10¹¹ | | 2025 | अनुमान | | 67 | GLM-4.5 (Z.ai (Zhipu AI), 2025) | 3.5 × 10¹¹ | 3.2 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 68 | PaLM 2 (Google, 2023) | \~3.4 × 10¹¹ | | 2023 | अनुमान | | 69 | Med-PaLM 2 (Google Research, 2023) | \~3.4 × 10¹¹ | | 2023 | अनुमान | | 70 | Nemotron-4 340B (Nvidia, 2024) | 3.4 × 10¹¹ | 3.4 × 10¹¹ | 2024 | सघन | | 71 | GLM-5.3-Flash (Z.ai (Zhipu AI), 2026) | \~3.2 × 10¹¹ | | 2026 | अनुमान | | 72 | Grok-1 (xAI, 2023) | \~3.1 × 10¹¹ | | 2023 | अनुमान | | 73 | Motif-3 (Motif Technologies, 2026) | 3.1 × 10¹¹ | 3.1 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 74 | SB-LM (Google, 2007) | \~3 × 10¹¹ | | 2007 | अनुमान | | 75 | Tencent Hy3 preview (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 76 | Tencent Hy3 (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 77 | DeepSeek-V4-Flash (DeepSeek, 2026) | \~2.8 × 10¹¹ | | 2026 | अनुमान | | 78 | Gopher (DeepMind, 2021) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2021 | सघन | | 79 | TML-Interaction-Small (Thinking Machines, 2026) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2026 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 80 | ST-MoE (Google, 2022) | \~2.7 × 10¹¹ | | 2022 | अनुमान | | 81 | ERNIE 3.0 Titan (Baidu, 2021) | 2.6 × 10¹¹ | 2.6 × 10¹¹ | 2021 | सघन | | 82 | Solar Open2 250B (Upstage, 2026) | \~2.5 × 10¹¹ | | 2026 | अनुमान | | 83 | Aramco Metabrain AI (Saudi Aramco, 2024) | \~2.5 × 10¹¹ | | 2024 | अनुमान | | 84 | Yuan 1.0 (Inspur, 2021) | 2.5 × 10¹¹ | 2.5 × 10¹¹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 85 | DeepSeek-Coder-V2 236B (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 86 | DeepSeek-V2.5 (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 87 | K-EXAONE (LG AI Research, 2025) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 88 | Qwen3-235B-A22B (Alibaba, 2025) | \~2.4 × 10¹¹ | | 2025 | अनुमान | | 89 | Qwen3-235B-A22B-Thinking (Alibaba, 2025) | \~2.4 × 10¹¹ | | 2025 | अनुमान | | 90 | P1-235B-A22B (Shanghai AI Lab, 2025) | \~2.4 × 10¹¹ | | 2025 | अनुमान | | 91 | Seed-1.6-Thinking (ByteDance, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 92 | MiniMax-M2 (MiniMax, 2025) | 2.3 × 10¹¹ | 1 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 93 | MiniMax-M2.1 (MiniMax, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 94 | HyperCLOVA 204B (NAVER, 2021) | \~2 × 10¹¹ | | 2021 | अनुमान | | 95 | Amazon Titan (Amazon, 2023) | \~2 × 10¹¹ | | 2023 | अनुमान | | 96 | Falcon-180B (Technology Innovation Institute, 2023) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2023 | सघन | | 97 | Jurassic-1-Jumbo (AI21 Labs, 2021) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 98 | BLOOM-176B (Hugging Face, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | सघन | | 99 | BLUUMI (University of Turku, 2023) | \~1.8 × 10¹¹ | | 2023 | अनुमान | | 100 | InstructGPT 175B (OpenAI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | सघन | | 101 | OPT-175B (Meta AI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | सघन | | 102 | BlenderBot 3 (McGill University, 2022) | \~1.8 × 10¹¹ | | 2022 | अनुमान | | 103 | GPT-3 175B (OpenAI, 2020) | 1.7 × 10¹¹ | 1.7 × 10¹¹ | 2020 | सघन | | 104 | Palmyra X 004 (Writer, 2024) | \~1.5 × 10¹¹ | | 2024 | अनुमान | | 105 | FLAN 137B (Google Research, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 106 | LaMDA (Google, 2022) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 107 | MEB (Microsoft, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 108 | Pangu Ultra (Huawei, 2025) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 109 | DBRX (Databricks, 2024) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2024 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 110 | GLM-130B (Tsinghua University, 2022) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2022 | सघन | | 111 | Pixtral Large (Mistral AI, 2024) | 1.2 × 10¹¹ | 1.2 × 10¹¹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 112 | Mistral Large 2 (Mistral AI, 2024) | \~1.2 × 10¹¹ | | 2024 | अनुमान | | 113 | Qwen3.5-122B-A10B (Alibaba, 2026) | \~1.2 × 10¹¹ | | 2026 | अनुमान | | 114 | Galactica (Meta AI, 2022) | \~1.2 × 10¹¹ | | 2022 | अनुमान | | 115 | Nemotron 3 Super (Nvidia, 2026) | \~1.2 × 10¹¹ | | 2026 | अनुमान | | 116 | gpt-oss-120b (OpenAI, 2025) | 1.2 × 10¹¹ | 5.1 × 10⁹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 117 | Telechat2-115B (China Telecom, 2024) | 1.1 × 10¹¹ | 1.1 × 10¹¹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 118 | Kaiju Large (Character.ai, 2025) | \~1.1 × 10¹¹ | | 2025 | अनुमान | | 119 | Llama 4 Scout (Meta AI, 2025) | \~1.1 × 10¹¹ | | 2025 | अनुमान | | 120 | InternLM (Shanghai AI Lab, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | सघन | | 121 | Solar Open 100B (Upstage, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 122 | DLRM-2020 (Facebook AI, 2019) | 1 × 10¹¹ | 1 × 10¹¹ | 2019 | सघन | | 123 | xTrimoPGLM -100B (Tsinghua University, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 124 | Yi-Large (01.AI, 2024) | \~1 × 10¹¹ | | 2024 | अनुमान | | 125 | VAETKI (NC AI, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 126 | ESM3 (EvolutionaryScale, 2024) | 9.8 × 10¹⁰ | 9.8 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 127 | चूहे का नियोकॉर्टेक्स | 8.1 × 10¹⁰ | 8.1 × 10¹⁰ | | सिनेप्स | | 128 | Flamingo (DeepMind, 2022) | 8 × 10¹⁰ | 8 × 10¹⁰ | 2022 | सघन | | 129 | Qwen3-Coder-Next (Alibaba, 2026) | \~8 × 10¹⁰ | | 2026 | अनुमान | | 130 | Qwen2-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | सघन | | 131 | Qwen2.5-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | सघन | | 132 | Qwen2.5 Instruct (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | सघन | | 133 | Qwen-72B (Alibaba, 2023) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2023 | सघन | | 134 | Palmyra X 003 (Writer, 2024) | \~7.2 × 10¹⁰ | | 2024 | अनुमान | | 135 | Qwen1.5-72B (Alibaba, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | सघन | | 136 | LLaVA-OV-72B (ByteDance, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | सघन | | 137 | NVLM-X 72B (Nvidia, 2024) | \~7.2 × 10¹⁰ | | 2024 | अनुमान | | 138 | NVLM-H 72B (Nvidia, 2024) | \~7.2 × 10¹⁰ | | 2024 | अनुमान | | 139 | NVLM-D 72B (Nvidia, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 140 | MindLink-72B (Kunlun Inc., 2025) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 141 | Chinchilla (DeepMind, 2022) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2022 | सघन | | 142 | Llama 2-70B (Meta AI, 2023) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2023 | सघन | | 143 | PPLX-70B-Online (Perplexity, 2023) | \~7 × 10¹⁰ | | 2023 | अनुमान | | 144 | Llama 3-70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | सघन | | 145 | ALLaM adapted 70B (Saudi Data and Artificial Intelligence Authority, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 146 | Llama 3.3 70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | सघन | | 147 | Reka Core (Reka AI, 2024) | \~6.7 × 10¹⁰ | | 2024 | अनुमान | | 148 | LLaMA-65B (Meta AI, 2023) | 6.5 × 10¹⁰ | 6.5 × 10¹⁰ | 2023 | सघन | | 149 | SNM-skip (Google, 2014) | \~6.2 × 10¹⁰ | | 2014 | अनुमान | | 150 | PaLI-X (Google Research, 2023) | \~5.5 × 10¹⁰ | | 2023 | अनुमान | | 151 | RT-2 (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 152 | RT-2-X (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 153 | NLLB (Meta AI, 2022) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2022 | सघन | | 154 | BloombergGPT (Bloomberg, 2023) | 5.1 × 10¹⁰ | 5.1 × 10¹⁰ | 2023 | सघन | | 155 | M4-50B (Google, 2019) | 5 × 10¹⁰ | 5 × 10¹⁰ | 2019 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 156 | Mixtral 8x7B (Mistral AI, 2023) | \~4.7 × 10¹⁰ | | 2023 | अनुमान | | 157 | AlphaCode (DeepMind, 2022) | 4.1 × 10¹⁰ | 4.1 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 158 | Falcon-40B (Technology Innovation Institute, 2023) | 4 × 10¹⁰ | 4 × 10¹⁰ | 2023 | सघन | | 159 | Qwen3-Omni-30B-A3B (Alibaba, 2025) | 3.5 × 10¹⁰ | 3 × 10⁹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स | | 160 | Yi-34B (01.AI, 2023) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2023 | सघन | | 161 | Cambrian-1-34B (New York University (NYU), 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 162 | Oryx 34B (Tsinghua University, 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 163 | Kaiju Medium (Character.ai, 2025) | \~3.4 × 10¹⁰ | | 2025 | अनुमान | | 164 | EXAONE 4.5 (LG AI Research, 2026) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2026 | आर्किटेक्चर नहीं बताया गया | | 165 | Qwen2.5-32B (Alibaba, 2024) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2024 | सघन | | 166 | QwQ-32B (Alibaba, 2025) | \~3.3 × 10¹⁰ | | 2025 | अनुमान | | 167 | EXAONE 3.5 32B (LG AI Research, 2024) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 168 | EXAONE Deep 32B (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 169 | EXAONE 4.0 (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 170 | Olmo 3 (Allen Institute for AI, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 171 | HyperCLOVA X SEED 32B Think (NAVER, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 172 | Nemotron 3-Nano-30B-A3B (Nvidia, 2025) | \~3.2 × 10¹⁰ | | 2025 | अनुमान | | 173 | Tongyi DeepResearch (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 174 | MM1-30B (Apple, 2024) | \~3 × 10¹⁰ | | 2024 | अनुमान | | 175 | Movie Gen Video (Meta AI, 2024) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 176 | AgentFounder-30B (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 177 | PLUG (Alibaba, 2021) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2021 | आर्किटेक्चर नहीं बताया गया | | 178 | Qwen Image (Alibaba, 2025) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2025 | आर्किटेक्चर नहीं बताया गया | | 179 | GenSLM (University of Chicago, 2022) | 2.5 × 10¹⁰ | 2.5 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 180 | ViT-22B (Google, 2023) | 2.2 × 10¹⁰ | 2.2 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 181 | KN-LM (Google, 2007) | \~2.1 × 10¹⁰ | | 2007 | अनुमान | | 182 | gpt-oss-20b (OpenAI, 2025) | 2.1 × 10¹⁰ | 2.1 × 10¹⁰ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 183 | RNN for 1B words (Google, 2013) | \~2 × 10¹⁰ | | 2013 | अनुमान | | 184 | GPT-NeoX-20B (EleutherAI, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | सघन | | 185 | UL2 (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 186 | Parti (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 187 | GPT-3.5 Turbo (OpenAI, 2023) | \~2 × 10¹⁰ | | 2023 | अनुमान | | 188 | GPT-3.5 Turbo Instruct (OpenAI, 2023) | \~2 × 10¹⁰ | | 2023 | अनुमान | | 189 | SPHINX (Shanghai AI Lab, 2023) | \~2 × 10¹⁰ | | 2023 | अनुमान | | 190 | AlexaTM 20B (Amazon, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 191 | CogAgent (Tsinghua University, 2023) | \~1.8 × 10¹⁰ | | 2023 | अनुमान | | 192 | Turing-NLG (Microsoft, 2020) | \~1.7 × 10¹⁰ | | 2020 | अनुमान | | 193 | CogVLM-17B (Tsinghua University, 2023) | 1.7 × 10¹⁰ | 1.7 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 194 | PaLI (Google, 2022) | \~1.7 × 10¹⁰ | | 2022 | अनुमान | | 195 | CodeT5+ (Salesforce, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 196 | StarCoder (Hugging Face, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | सघन | | 197 | ESM2-15B (Meta AI, 2022) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 198 | FunSearch (Google DeepMind, 2023) | \~1.5 × 10¹⁰ | | 2023 | अनुमान | | 199 | NVILA 15B (Nvidia, 2024) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 200 | nekomata-14b (rinna, 2023) | 1.4 × 10¹⁰ | 1.4 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 201 | VILA1.5-13B (Nvidia, 2024) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2024 | आर्किटेक्चर नहीं बताया गया | | 202 | VILA-13B (Nvidia, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 203 | mT5-XXL (Google, 2020) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2020 | सघन | | 204 | mT0-13B (Hugging Face, 2022) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2022 | आर्किटेक्चर नहीं बताया गया | | 205 | LLaVA (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | सघन | | 206 | InstructBLIP (Salesforce Research, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 207 | Jais (Cerebras Systems, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 208 | FinGPT-13B (University of California Los Angeles (UCLA), 2023) | \~1.3 × 10¹⁰ | | 2023 | अनुमान | | 209 | Ferret (Columbia University, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 210 | Skywork-13B (Kunlun Inc., 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 211 | LLaVA 1.5 (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | सघन | | 212 | Volcano 13B (Korea University, 2023) | \~1.3 × 10¹⁰ | | 2023 | अनुमान | | 213 | Aya (Cohere Labs (formerly Cohere for AI), 2024) | \~1.3 × 10¹⁰ | | 2024 | अनुमान | | 214 | Kaiju Small (Character.ai, 2025) | \~1.3 × 10¹⁰ | | 2025 | अनुमान | | 215 | ByT5-XXL (Google, 2021) | \~1.3 × 10¹⁰ | | 2021 | अनुमान | | 216 | CoRe (Tsinghua University, 2023) | \~1.2 × 10¹⁰ | | 2023 | अनुमान | | 217 | DALL-E (OpenAI, 2021) | \~1.2 × 10¹⁰ | | 2021 | अनुमान | | 218 | Codex (OpenAI, 2021) | \~1.2 × 10¹⁰ | | 2021 | अनुमान | | 219 | T5-11B (Google, 2019) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2019 | सघन | | 220 | UnifiedQA (Allen Institute for AI, 2020) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2020 | सघन | | 221 | Unicorn (Allen Institute for AI, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | आर्किटेक्चर नहीं बताया गया | | 222 | PLATO-XL (Baidu, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | आर्किटेक्चर नहीं बताया गया | | 223 | CoEdiT-xxl (University of Minnesota, 2023) | \~1.1 × 10¹⁰ | | 2023 | अनुमान | | 224 | GQA-8-XXL (Google Research, 2023) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2023 | आर्किटेक्चर नहीं बताया गया | | 225 | XLMR-XXL (Facebook AI Research, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | आर्किटेक्चर नहीं बताया गया | | 226 | Llama 3.2 11B (Meta AI, 2024) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2024 | सघन | | 227 | ERNIE 3.0 (Baidu, 2021) | 1 × 10¹⁰ | 1 × 10¹⁰ | 2021 | सघन | | 228 | ERNIE-ViLG (Baidu, 2021) | \~1 × 10¹⁰ | | 2021 | अनुमान | | 229 | Qwen-VL (Alibaba, 2023) | \~9.6 × 10⁹ | | 2023 | अनुमान | | 230 | Generative BST (Facebook AI Research, 2021) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 231 | Sparse all-MLP (Meta AI, 2022) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2022 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 232 | CogVideo (Tsinghua University, 2022) | \~9.4 × 10⁹ | | 2022 | अनुमान | | 233 | eDiff-I (Nvidia, 2022) | \~9.1 × 10⁹ | | 2022 | अनुमान | | 234 | Eagle 2 (Nvidia, 2025) | 8.9 × 10⁹ | 8.9 × 10⁹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 235 | MoE-Multi (Jagiellonian University, 2017) | 8.7 × 10⁹ | 8.7 × 10⁹ | 2017 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 236 | Qwen-Audio-Chat (Alibaba, 2023) | \~8.5 × 10⁹ | | 2023 | अनुमान | | 237 | Megatron-LM (Nvidia, 2019) | \~8.3 × 10⁹ | | 2019 | अनुमान | | 238 | BigSSL (Google, 2021) | \~8 × 10⁹ | | 2021 | अनुमान | | 239 | Nemotron-3-8B (Nvidia, 2023) | 8 × 10⁹ | 8 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 240 | Stable Diffusion 3 (Stability AI, 2024) | 8 × 10⁹ | 8 × 10⁹ | 2024 | सघन | | 241 | Qwen3 Embedding (Alibaba, 2025) | 8 × 10⁹ | 8 × 10⁹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 242 | Imagen (Google Brain, 2022) | \~7.8 × 10⁹ | | 2022 | अनुमान | | 243 | XGLM-7.5B (Meta AI, 2021) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 244 | RETRO-7B (DeepMind, 2022) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 245 | OpenVLA (Stanford University, 2024) | 7.2 × 10⁹ | 7.2 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 246 | mPLUG-Owl2 (Alibaba, 2023) | \~7.1 × 10⁹ | | 2023 | अनुमान | | 247 | Goat-7B (National University of Singapore, 2023) | \~7 × 10⁹ | | 2023 | अनुमान | | 248 | Llama 2-7B (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | सघन | | 249 | Llama Guard (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | सघन | | 250 | Qwen-VL-Max (Alibaba, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | सघन | | 251 | Mathstral (Mistral AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 252 | Apollo 7B (Meta AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 253 | Eurus-2-7B-PRIME (Tsinghua University, 2025) | \~7 × 10⁹ | | 2025 | अनुमान | | 254 | INTELLECT-MATH (Prime Intellect, 2025) | 7 × 10⁹ | 7 × 10⁹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 255 | Incoder-6.7B (Facebook AI Research, 2023) | 6.7 × 10⁹ | 6.7 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 256 | ProGen2-xlarge (Salesforce Research, 2022) | 6.4 × 10⁹ | 6.4 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 257 | GPipe (Google, 2018) | \~6 × 10⁹ | | 2018 | अनुमान | | 258 | InstructGPT 6B (OpenAI, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | सघन | | 259 | Vega v2 (Wuhan University, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 260 | ChatGLM3-6B (Z.ai (Zhipu AI), 2023) | \~6 × 10⁹ | | 2023 | अनुमान | | 261 | MolmoAct 2 (Allen Institute for AI, 2026) | \~5.5 × 10⁹ | | 2026 | अनुमान | | 262 | T-NLRv5 XXL (Microsoft, 2021) | 5.4 × 10⁹ | 5.4 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 263 | π0.6 (Physical Intelligence, 2025) | 5.3 × 10⁹ | 5.3 × 10⁹ | 2025 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 264 | PaLI-3 (Google DeepMind, 2023) | 5 × 10⁹ | 5 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 265 | Mesh-TensorFlow Transformer 4.9B (Google Brain, 2018) | 4.9 × 10⁹ | 4.9 × 10⁹ | 2018 | सघन | | 266 | W.A.L.T (Stanford University, 2023) | 4.7 × 10⁹ | 4.7 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 267 | CogView (Tsinghua University, 2021) | \~4 × 10⁹ | | 2021 | अनुमान | | 268 | Make-A-Scene (Meta AI, 2022) | \~4 × 10⁹ | | 2022 | अनुमान | | 269 | ONE-PEACE (Alibaba, 2023) | \~4 × 10⁹ | | 2023 | अनुमान | | 270 | Megatron-BERT (Nvidia, 2019) | 3.9 × 10⁹ | 3.9 × 10⁹ | 2019 | सघन | | 271 | DALL·E 2 (OpenAI, 2022) | \~3.5 × 10⁹ | | 2022 | अनुमान | | 272 | Stable Diffusion XL (Stability AI, 2023) | \~3.4 × 10⁹ | | 2023 | अनुमान | | 273 | MusicGen (Meta AI, 2023) | \~3.4 × 10⁹ | | 2023 | अनुमान | | 274 | Gemini Nano-2 (Google DeepMind, 2023) | 3.3 × 10⁹ | 3.3 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 275 | Zidong Taichu (Chinese Academy of Sciences, 2021) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 276 | DeepNet (Microsoft Research, 2022) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 277 | MS-ensemble-speech-recognition (Microsoft, 2016) | \~3.2 × 10⁹ | | 2016 | अनुमान | | 278 | BASIC-L (Google, 2021) | \~3.1 × 10⁹ | | 2021 | अनुमान | | 279 | BASIC-L + Lion (Google, 2023) | 3.1 × 10⁹ | 3.1 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 280 | LEP-AD (King Abdullah University of Science and Technology (KAUST), 2023) | 3 × 10⁹ | 3 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 281 | ViT-G/14 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 282 | ProtT5-XL-U50 (Technical University of Munich, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 283 | Swin Transformer V2 (Microsoft Research Asia, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 284 | LongT5 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 285 | ReALM (Apple, 2024) | 3 × 10⁹ | 3 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 286 | Mesh-TensorFlow Transformer 2.9B (Google Brain, 2018) | \~2.9 × 10⁹ | | 2018 | अनुमान | | 287 | T5-3B (Google, 2019) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2019 | सघन | | 288 | DPO on Pythia-2.8B (Stanford University, 2023) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2023 | सघन | | 289 | AFM-on-device (Apple, 2024) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 290 | PolyCoder (Carnegie Mellon University (CMU), 2022) | \~2.7 × 10⁹ | | 2022 | अनुमान | | 291 | Hybrid H3-2.7B (Stanford University, 2022) | \~2.7 × 10⁹ | | 2022 | अनुमान | | 292 | GPT3-2.7B (Stanford University, 2023) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 293 | Meena (Google Brain, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | सघन | | 294 | CPM-Large (Tsinghua University, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | सघन | | 295 | Nucleotide Transformer (Nvidia, 2023) | \~2.5 × 10⁹ | | 2023 | अनुमान | | 296 | Fugatto 1 (Nvidia, 2024) | 2.5 × 10⁹ | 2.5 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 297 | CoAtNet (Google, 2021) | 2.4 × 10⁹ | 2.4 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 298 | GShard (Google, 2020) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2020 | सघन | | 299 | SeamlessM4T (Facebook, 2023) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 300 | Turing ULRv5 (Microsoft, 2021) | 2.2 × 10⁹ | 2.2 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 301 | CoCa (Google Research, 2022) | 2.1 × 10⁹ | 2.1 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 302 | MuseNet (OpenAI, 2019) | \~2 × 10⁹ | | 2019 | अनुमान | | 303 | Infinity (ByteDance, 2024) | 2 × 10⁹ | 2 × 10⁹ | 2024 | आर्किटेक्चर नहीं बताया गया | | 304 | Seq2Seq LSTM (Google, 2014) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2014 | सघन | | 305 | BEIT-3 (Microsoft, 2022) | \~1.9 × 10⁹ | | 2022 | अनुमान | | 306 | Ankh\_large (Technical University of Munich, 2023) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 307 | ViT-G/14 (Google Brain, 2021) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 308 | ViT-G (University of Washington, 2022) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 309 | Phenaki (University College London (UCL), 2022) | \~1.8 × 10⁹ | | 2022 | अनुमान | | 310 | Gemini Nano-1 (Google DeepMind, 2023) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 311 | DistBelief Vision (Google, 2012) | \~1.7 × 10⁹ | | 2012 | अनुमान | | 312 | Whisper (OpenAI, 2022) | \~1.6 × 10⁹ | | 2022 | अनुमान | | 313 | GPT-2 (OpenAI, 2019) | \~1.5 × 10⁹ | | 2019 | अनुमान | | 314 | DeBERTa (Microsoft, 2021) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 315 | AR-LDM (Alibaba, 2022) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 316 | AudioLM (Google Research, 2023) | \~1.5 × 10⁹ | | 2023 | अनुमान | | 317 | BLIP-2 (Salesforce Research, 2023) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 318 | LDM-1.45B (Heidelberg University, 2021) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 319 | Stable Diffusion (Runway, 2022) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2022 | सघन | | 320 | SEER (Facebook AI Research, 2021) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2021 | आर्किटेक्चर नहीं बताया गया | | 321 | InstructGPT 1.3B (OpenAI, 2022) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2022 | सघन | | 322 | Megatron-LM (Nvidia, 2019) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2019 | सघन | | 323 | RDT-1B (Tsinghua University, 2024) | \~1.2 × 10⁹ | | 2024 | अनुमान | | 324 | Gato (DeepMind, 2022) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 325 | DINOv2 (Facebook AI Research, 2023) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 326 | Diffusion Renderer (Nvidia, 2025) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2025 | आर्किटेक्चर नहीं बताया गया | | 327 | InternImage (Shanghai AI Lab, 2022) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 328 | EVA-01 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | 1 × 10⁹ | 1 × 10⁹ | 2022 | आर्किटेक्चर नहीं बताया गया | | 329 | Unsupervised High-level Feature Learner (Google, 2012) | \~1 × 10⁹ | | 2012 | अनुमान | | 330 | Conformer + Wav2vec 2.0 + Noisy Student (Google, 2020) | 1 × 10⁹ | 1 × 10⁹ | 2020 | सघन | | 331 | HuBERT (Facebook AI Research, 2021) | \~1 × 10⁹ | | 2021 | अनुमान | | 332 | W2v-BERT (Google Brain, 2021) | 1 × 10⁹ | 1 × 10⁹ | 2021 | सघन | | 333 | AudioGen (Meta AI, 2023) | \~1 × 10⁹ | | 2023 | अनुमान | | 334 | VideoMAE V2 (Nanjing University, 2023) | 1 × 10⁹ | 1 × 10⁹ | 2023 | आर्किटेक्चर नहीं बताया गया | | 335 | TransE (Universite de Technologie de Compiègne – CNRS, 2013) | \~9.4 × 10⁸ | | 2013 | अनुमान | | 336 | ImageBind (Meta AI, 2023) | \~9.3 × 10⁸ | | 2023 | अनुमान | | 337 | Big Transfer (Google Brain, 2019) | \~9.3 × 10⁸ | | 2019 | अनुमान | | 338 | Florence (Microsoft, 2021) | 8.9 × 10⁸ | 8.9 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 339 | NÜWA (Microsoft Research, 2021) | 8.7 × 10⁸ | 8.7 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 340 | MusicLM (Google, 2023) | 8.6 × 10⁸ | 8.6 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 341 | ResNeXt-101 32x48d (Facebook, 2018) | 8.3 × 10⁸ | 8.3 × 10⁸ | 2018 | सघन | | 342 | FixRes ResNeXt-101 WSL (Facebook AI, 2019) | \~8.3 × 10⁸ | | 2019 | अनुमान | | 343 | ALIGN (Google Research, 2021) | 8.2 × 10⁸ | 8.2 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 344 | Statement Curriculum Learning (OpenAI, 2022) | \~7.7 × 10⁸ | | 2022 | अनुमान | | 345 | CodeT5-large (Salesforce, 2022) | \~7.7 × 10⁸ | | 2022 | अनुमान | | 346 | DITTO (Tsinghua University, 2022) | 7.5 × 10⁸ | 7.5 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 347 | FGN (Google DeepMind, 2025) | 7.2 × 10⁸ | 7.2 × 10⁸ | 2025 | आर्किटेक्चर नहीं बताया गया | | 348 | data2vec (Meta AI, 2022) | \~7.1 × 10⁸ | | 2022 | अनुमान | | 349 | Tranception (University of Oxford, 2022) | 7 × 10⁸ | 7 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 350 | Word2Vec (Google, 2013) | \~6.9 × 10⁸ | | 2013 | अनुमान | | 351 | DiT-XL/2 (New York University (NYU), 2023) | 6.8 × 10⁸ | 6.8 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 352 | DiT-XL/2 + CADS (ETH Zurich, 2023) | \~6.8 × 10⁸ | | 2023 | अनुमान | | 353 | OmegaPLM (Massachusetts Institute of Technology (MIT), 2022) | 6.7 × 10⁸ | 6.7 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 354 | XLM (Facebook, 2019) | \~6.7 × 10⁸ | | 2019 | अनुमान | | 355 | ESM1b (Facebook AI Research, 2020) | 6.5 × 10⁸ | 6.5 × 10⁸ | 2020 | सघन | | 356 | Segment Anything Model (Meta AI, 2023) | 6.4 × 10⁸ | 6.4 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 357 | ViT-Huge/14 (Google Brain, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | सघन | | 358 | Masked Autoencoders ViT-H (Facebook AI Research, 2021) | \~6.3 × 10⁸ | | 2021 | अनुमान | | 359 | Retrieval-Augmented Generator (Facebook, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | सघन | | 360 | DLDL (University of Oxford, 2016) | \~5.6 × 10⁸ | | 2016 | अनुमान | | 361 | ADM (OpenAI, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 362 | TrOCR (Beihang University, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 363 | XLM-RoBERTa (Facebook AI, 2019) | 5.5 × 10⁸ | 5.5 × 10⁸ | 2019 | सघन | | 364 | LUKE (University of Washington, 2020) | \~4.8 × 10⁸ | | 2020 | अनुमान | | 365 | EfficientNet-L2 (Google, 2019) | \~4.8 × 10⁸ | | 2019 | अनुमान | | 366 | Noisy Student (Carnegie Mellon University (CMU), 2019) | 4.8 × 10⁸ | 4.8 × 10⁸ | 2019 | सघन | | 367 | Meta Pseudo Labels (Google Brain, 2021) | \~4.8 × 10⁸ | | 2021 | अनुमान | | 368 | EMDR (Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), 2021) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 369 | NMT Transformer 437M (Google, 2019) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2019 | सघन | | 370 | Adaptive Inputs + LayerDrop (Facebook AI Research, 2019) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2019 | सघन | | 371 | ProtBERT-BFD (Technical University of Munich, 2021) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 372 | OntoProtein (Zhejiang University (ZJU), 2022) | \~4.2 × 10⁸ | | 2022 | अनुमान | | 373 | DeBERTaV3large + KEAR (Microsoft, 2022) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 374 | BART-large (Facebook AI, 2019) | \~4.1 × 10⁸ | | 2019 | अनुमान | | 375 | SigLIP 400M (Google DeepMind, 2023) | 4 × 10⁸ | 4 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 376 | BERT-Large-CAS (Amazon, 2019) | \~4 × 10⁸ | | 2019 | अनुमान | | 377 | MoCo (Facebook AI, 2019) | \~3.8 × 10⁸ | | 2019 | अनुमान | | 378 | SimCLR (Google Brain, 2020) | \~3.8 × 10⁸ | | 2020 | अनुमान | | 379 | CLIP (OpenAI, 2021) | 3.7 × 10⁸ | 3.7 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 380 | RoBERTa Large (Facebook, 2019) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2019 | सघन | | 381 | AbLang (University of Oxford, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 382 | GPT-2 Medium (Stanford University, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | सघन | | 383 | VALL-E (Microsoft, 2023) | \~3.5 × 10⁸ | | 2023 | अनुमान | | 384 | BERT-Large (Google, 2018) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2018 | सघन | | 385 | XLNet (Carnegie Mellon University (CMU), 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | सघन | | 386 | ERNIE-GEN (Baidu, 2020) | \~3.4 × 10⁸ | | 2020 | अनुमान | | 387 | CamemBERT (Facebook, 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | सघन | | 388 | ELECTRA (Stanford University, 2020) | \~3.4 × 10⁸ | | 2020 | अनुमान | | 389 | German ELECTRA Large (deepset, 2020) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2020 | सघन | | 390 | ALM 1.0 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | \~3.4 × 10⁸ | | 2022 | अनुमान | | 391 | MT-DNN (Microsoft, 2019) | 3.3 × 10⁸ | 3.3 × 10⁸ | 2019 | सघन | | 392 | Fusion in Encoder (Samsung, 2022) | \~3.3 × 10⁸ | | 2022 | अनुमान | | 393 | wave2vec 2.0 LARGE (Facebook, 2020) | 3.2 × 10⁸ | 3.2 × 10⁸ | 2020 | सघन | | 394 | CPC v2 (DeepMind, 2019) | \~3 × 10⁸ | | 2019 | अनुमान | | 395 | Transformer - LibriVox + Decoding/Rescoring (Facebook, 2019) | 3 × 10⁸ | 3 × 10⁸ | 2019 | सघन | | 396 | DDPM-IP (Utrecht University, 2023) | \~3 × 10⁸ | | 2023 | अनुमान | | 397 | GNMT (Google, 2016) | \~2.8 × 10⁸ | | 2016 | अनुमान | | 398 | base LM+GNN+kNN (Shannon.AI, 2021) | 2.7 × 10⁸ | 2.7 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 399 | YOLO (University of Washington, 2015) | \~2.7 × 10⁸ | | 2015 | अनुमान | | 400 | Transformer-XL (Carnegie Mellon University (CMU), 2019) | \~2.6 × 10⁸ | | 2019 | अनुमान | | 401 | Transformer-XL + RMS dynamic eval (University of Edinburgh, 2019) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2019 | सघन | | 402 | Transformer-XL Large + Phrase Induction (Massachusetts Institute of Technology (MIT), 2019) | \~2.6 × 10⁸ | | 2019 | अनुमान | | 403 | Segatron-XL large, M=384 + HCP (Microsoft Research, 2022) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 404 | Denoising Diffusion Probabilistic Models (University of California (UC) Berkeley, 2021) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 405 | Pangu-Weather (Huawei, 2023) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 406 | SPN (Google Brain, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | सघन | | 407 | S4 (Stanford University, 2021) | \~2.5 × 10⁸ | | 2021 | अनुमान | | 408 | Base LM + kNN LM + Continuous Cache (Stanford University, 2019) | \~2.5 × 10⁸ | | 2019 | अनुमान | | 409 | ERNIE-Doc (Baidu, 2020) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2020 | सघन | | 410 | Adaptive Input Transformer + RD (Microsoft Research Asia, 2021) | \~2.5 × 10⁸ | | 2021 | अनुमान | | 411 | Transformer (Adaptive Input Embeddings) WT103 (Facebook AI Research, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | सघन | | 412 | TaLK Convolution (Carleton University, 2020) | \~2.4 × 10⁸ | | 2020 | अनुमान | | 413 | ALBERT-xxlarge (Toyota Technological Institute at Chicago, 2020) | \~2.4 × 10⁸ | | 2020 | अनुमान | | 414 | SRU++ Large (ASAPP, 2021) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 415 | GR-2 (ByteDance, 2024) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2024 | आर्किटेक्चर नहीं बताया गया | | 416 | MaskGIT (Google Research, 2022) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2022 | आर्किटेक्चर नहीं बताया गया | | 417 | MetNet (Google, 2020) | \~2.3 × 10⁸ | | 2020 | अनुमान | | 418 | FFN SwiGLU (Google, 2020) | 2.2 × 10⁸ | 2.2 × 10⁸ | 2020 | सघन | | 419 | CodeT5-base (Salesforce, 2021) | \~2.2 × 10⁸ | | 2021 | अनुमान | | 420 | Transformer (Google Research, 2017) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2017 | सघन | | 421 | Sandwich Transformer (Allen Institute for AI, 2019) | \~2.1 × 10⁸ | | 2019 | अनुमान | | 422 | EfficientNetV2-XL (Google, 2021) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 423 | Word2Vec (Google, 2013) | \~2.1 × 10⁸ | | 2013 | अनुमान | | 424 | Multilingual DNN (Google, 2013) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2013 | सघन | | 425 | DreamerV3 (DeepMind, 2023) | \~2 × 10⁸ | | 2023 | अनुमान | | 426 | DL scaling speech (Baidu, 2017) | \~1.9 × 10⁸ | | 2017 | अनुमान | | 427 | ResNeXt-101 Billion-scale (Facebook AI, 2019) | \~1.9 × 10⁸ | | 2019 | अनुमान | | 428 | (NTT Communication Science Laboratories, 2018) | 1.9 × 10⁸ | 1.9 × 10⁸ | 2018 | सघन | | 429 | TrellisNet (Carnegie Mellon University (CMU), 2018) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2018 | सघन | | 430 | DL scaling LM (Baidu, 2017) | \~1.8 × 10⁸ | | 2017 | अनुमान | | 431 | EXAONE Path 2.0 (LG AI Research, 2025) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2025 | आर्किटेक्चर नहीं बताया गया | | 432 | OpenAI Five Rerun (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | सघन | | 433 | OpenAI Five (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | सघन | | 434 | 4 layer QRNN (Salesforce Research, 2018) | \~1.5 × 10⁸ | | 2018 | अनुमान | | 435 | TransformerXL + spectrum control (University of California Los Angeles (UCLA), 2020) | \~1.5 × 10⁸ | | 2020 | अनुमान | | 436 | AlphaGeometry (Google DeepMind, 2024) | 1.5 × 10⁸ | 1.5 × 10⁸ | 2024 | आर्किटेक्चर नहीं बताया गया | | 437 | PermuteFormer (Peking University, 2021) | \~1.5 × 10⁸ | | 2021 | अनुमान | | 438 | Fragment embedding (Stanford University, 2014) | \~1.4 × 10⁸ | | 2014 | अनुमान | | 439 | OverFeat (New York University (NYU), 2013) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2013 | सघन | | 440 | VGG19 (University of Oxford, 2014) | \~1.4 × 10⁸ | | 2014 | अनुमान | | 441 | LRCN (UT Austin, 2014) | \~1.4 × 10⁸ | | 2014 | अनुमान | | 442 | Transformer-XL DeFINE (University of Washington, 2019) | \~1.4 × 10⁸ | | 2019 | अनुमान | | 443 | Deep Autoencoders (University of Toronto, 2011) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2011 | सघन | | 444 | AlphaStar (DeepMind, 2019) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2019 | सघन | | 445 | VGG16 (University of Oxford, 2014) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2014 | सघन | | 446 | VGG-Face (University of Oxford, 2015) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2015 | सघन | | 447 | SAF R-CNN (Beijing Institute of Technology, 2015) | \~1.4 × 10⁸ | | 2015 | अनुमान | | 448 | Template Adaptation (University of Oxford, 2016) | \~1.4 × 10⁸ | | 2016 | अनुमान | | 449 | LRR-4X (UC Irvine, 2016) | \~1.4 × 10⁸ | | 2016 | अनुमान | | 450 | CMS-RCNN (IEEE, 2016) | \~1.4 × 10⁸ | | 2016 | अनुमान | | 451 | QRNN (Salesforce Research, 2018) | \~1.4 × 10⁸ | | 2018 | अनुमान | | 452 | Multiresolution CNN (Google, 2014) | \~1.3 × 10⁸ | | 2014 | अनुमान | | 453 | FTW (DeepMind, 2018) | \~1.3 × 10⁸ | | 2018 | अनुमान | | 454 | Feedback Transformer (LORIA, 2020) | \~1.3 × 10⁸ | | 2020 | अनुमान | | 455 | KEPLER (Tsinghua University, 2020) | 1.3 × 10⁸ | 1.3 × 10⁸ | 2020 | सघन | | 456 | DL scaling Image (Baidu, 2017) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2017 | सघन | | 457 | GloVe (Stanford University, 2014) | \~1.2 × 10⁸ | | 2014 | अनुमान | | 458 | Conformer (Google, 2020) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2020 | सघन | | 459 | GPT-1 (OpenAI, 2018) | \~1.2 × 10⁸ | | 2018 | अनुमान | | 460 | ContextNet (Google, 2020) | \~1.1 × 10⁸ | | 2020 | अनुमान | | 461 | SciBERT (Allen Institute for AI, 2019) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2019 | सघन | | 462 | DNABERT (Northeastern University, 2021) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2021 | आर्किटेक्चर नहीं बताया गया | | 463 | Contriever (Meta AI, 2021) | \~1.1 × 10⁸ | | 2021 | अनुमान | | 464 | BERT-RBP (Waseda University, 2022) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2022 | सघन | | 465 | RoFormer (Zhuiyi Technology, 2023) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2023 | आर्किटेक्चर नहीं बताया गया | | 466 | LSTM LM (RWTH Aachen University, 2012) | \~1 × 10⁸ | | 2012 | अनुमान | | 467 | ReLU-Speech (Google, 2013) | \~1 × 10⁸ | | 2013 | अनुमान | | 468 | STORM-B/8 (University of Southern California, 2024) | 1 × 10⁸ | 1 × 10⁸ | 2024 | आर्किटेक्चर नहीं बताया गया | | 469 | Support Vector Machines (AT&T, 1995) | \~1 × 10⁸ | | 1995 | अनुमान | | 470 | GPU DBNs (Stanford University, 2009) | 1 × 10⁸ | 1 × 10⁸ | 2009 | सघन | | 471 | MSA Transformer (Facebook AI Research, 2021) | \~1 × 10⁸ | | 2021 | अनुमान | | 472 | YOLOX-X (Megvii Inc, 2021) | \~9.9 × 10⁷ | | 2021 | अनुमान | | 473 | DeLighT (University of Washington, 2020) | \~9.9 × 10⁷ | | 2020 | अनुमान | | 474 | ELMo (University of Washington, 2018) | \~9.4 × 10⁷ | | 2018 | अनुमान | | 475 | AlphaFold 2 (DeepMind, 2020) | \~9.3 × 10⁷ | | 2020 | अनुमान | | 476 | AlphaMissense (Google DeepMind, 2023) | \~9.3 × 10⁷ | | 2023 | अनुमान | | 477 | Octo-Base (University of California (UC) Berkeley, 2024) | 9.3 × 10⁷ | 9.3 × 10⁷ | 2024 | आर्किटेक्चर नहीं बताया गया | | 478 | PolyNet (Chinese University of Hong Kong (CUHK), 2016) | \~9.2 × 10⁷ | | 2016 | अनुमान | | 479 | Transformer local-attention (Google Cloud, 2021) | 9 × 10⁷ | 9 × 10⁷ | 2021 | आर्किटेक्चर नहीं बताया गया | | 480 | Transformer + Simple Recurrent Unit (ASAPP, 2018) | 9 × 10⁷ | 9 × 10⁷ | 2018 | सघन | | 481 | NASNet-A (Google Brain, 2017) | \~8.9 × 10⁷ | | 2017 | अनुमान | | 482 | CLIP (OpenAI, 2021) | \~8.9 × 10⁷ | | 2021 | अनुमान | | 483 | Detic (Meta AI, 2022) | \~8.8 × 10⁷ | | 2022 | अनुमान | | 484 | MSRA (Microsoft Research, 2015) | 8.7 × 10⁷ | 8.7 × 10⁷ | 2015 | सघन | | 485 | BigBiGAN (Google, 2019) | \~8.6 × 10⁷ | | 2019 | अनुमान | | 486 | ViT-Base/32 (Google Brain, 2020) | \~8.6 × 10⁷ | | 2020 | अनुमान | | 487 | DeiT-B (Meta AI, 2021) | 8.6 × 10⁷ | 8.6 × 10⁷ | 2021 | आर्किटेक्चर नहीं बताया गया | | 488 | CaLM (University of Oxford, 2022) | \~8.6 × 10⁷ | | 2022 | अनुमान | | 489 | Tensor-Transformer (University of California (UC) Berkeley, 2020) | 8.5 × 10⁷ | 8.5 × 10⁷ | 2020 | सघन | | 490 | ResNeXt-101 (University of California San Diego, 2016) | 8.3 × 10⁷ | 8.3 × 10⁷ | 2016 | सघन | | 491 | RBM Image Classifier (University of Toronto, 2009) | \~8 × 10⁷ | | 2009 | अनुमान | | 492 | Routing Transformer (Google Research, 2020) | 8 × 10⁷ | 8 × 10⁷ | 2020 | सघन | | 493 | Big-Little Net (IBM, 2018) | \~7.7 × 10⁷ | | 2018 | अनुमान | | 494 | EfficientDet (Google Brain, 2020) | \~7.7 × 10⁷ | | 2020 | अनुमान | | 495 | CODEFUSION (Microsoft, 2023) | 7.5 × 10⁷ | 7.5 × 10⁷ | 2023 | आर्किटेक्चर नहीं बताया गया | | 496 | RNN LM (Johns Hopkins University, 2010) | \~7 × 10⁷ | | 2010 | अनुमान | | 497 | R-CNN (University of California (UC) Berkeley, 2013) | \~6.9 × 10⁷ | | 2013 | अनुमान | | 498 | Variational (University of Cambridge, 2015) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2015 | सघन | | 499 | DistilBERT (Hugging Face, 2019) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2019 | सघन | | 500 | Theseus 6/768 (University of California San Diego, 2020) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2020 | सघन | | 501 | ResNet-152 (Microsoft, 2015) | 6 × 10⁷ | 6 × 10⁷ | 2015 | सघन | | 502 | AlexNet (University of Toronto, 2012) | 6 × 10⁷ | 6 × 10⁷ | 2012 | सघन | | 503 | DETR (Facebook, 2020) | 6 × 10⁷ | 6 × 10⁷ | 2020 | सघन | | 504 | YOLOv3 (University of Washington, 2018) | \~5.7 × 10⁷ | | 2018 | अनुमान | | 505 | Inception-ResNet-V2 (Google, 2016) | \~5.6 × 10⁷ | | 2016 | अनुमान | | 506 | Transformer ELMo (Allen Institute for AI, 2019) | 5.6 × 10⁷ | 5.6 × 10⁷ | 2019 | सघन | | 507 | फल-मक्खी का मस्तिष्क | 5.5 × 10⁷ | 5.5 × 10⁷ | | सिनेप्स | | 508 | NAS with base 8 and shared embeddings (Google Brain, 2016) | 5.4 × 10⁷ | 5.4 × 10⁷ | 2016 | सघन | | 509 | RetinaNet-R101 (Facebook AI Research, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | सघन | | 510 | AWD-LSTM+WT+Cache+IOG (NTT Communication Science Laboratories, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | सघन | | 511 | Hierarchical Scene Labeling (New York University (NYU), 2013) | 5.2 × 10⁷ | 5.2 × 10⁷ | 2013 | सघन | | 512 | VD-LSTM+REAL Large (Salesforce Research, 2016) | 5.1 × 10⁷ | 5.1 × 10⁷ | 2016 | सघन | | 513 | YOLOv2 (University of Washington, 2016) | \~5.1 × 10⁷ | | 2016 | अनुमान | | 514 | Dropout-LSTM+Noise (Columbia University, 2018) | \~5.1 × 10⁷ | | 2018 | अनुमान | | 515 | LSTM + dynamic eval (University of Edinburgh, 2017) | \~5 × 10⁷ | | 2017 | अनुमान | | 516 | Dropout (University of Toronto, 2012) | \~4.9 × 10⁷ | | 2012 | अनुमान | | 517 | Dropout: SVHN (University of Toronto, 2014) | 4.8 × 10⁷ | 4.8 × 10⁷ | 2014 | सघन | | 518 | DistBelief Speech (Google, 2012) | \~4.7 × 10⁷ | | 2012 | अनुमान | | 519 | AlphaGo Zero (DeepMind, 2017) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2017 | सघन | | 520 | Fine-tuned-AWD-LSTM-DOC (Samsung R&D Institute Russia, 2018) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2018 | सघन | | 521 | CT-MoS (Google, 2020) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2020 | सघन | | 522 | JFT (Google Research, 2017) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2017 | सघन | | 523 | ResNet-101 (Microsoft, 2015) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2015 | सघन | | 524 | HR-ResNet101 (Carnegie Mellon University (CMU), 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | सघन | | 525 | 3DMM-CNN (University of Southern California, 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | सघन | | 526 | LaNet-L (Brown University, 2019) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2019 | सघन | | 527 | ProBERTa (University of Illinois Urbana-Champaign (UIUC), 2020) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2020 | सघन | | 528 | PreTrans-3L-250H (University of Toronto, 2013) | \~4.3 × 10⁷ | | 2013 | अनुमान | | 529 | Inceptionv4 (Google, 2016) | \~4.3 × 10⁷ | | 2016 | अनुमान | | 530 | GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (Ben-Gurion University of the Negev, 2017) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2017 | सघन | | 531 | U-Net (University of Freiburg, 2015) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2015 | सघन | | 532 | NASv3 (Google Brain, 2016) | \~3.7 × 10⁷ | | 2016 | अनुमान | | 533 | MuZero (DeepMind, 2019) | \~3.7 × 10⁷ | | 2019 | अनुमान | | 534 | AWD-LSTM-MoS + dynamic evaluation (Carnegie Mellon University (CMU), 2017) | \~3.5 × 10⁷ | | 2017 | अनुमान | | 535 | AWD-LSTM-MoS+PDR + dynamic evaluation (IBM, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | सघन | | 536 | AWD-LSTM-MoS + dynamic evaluation (Peking University, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | सघन | | 537 | AWD-LSTM + MoS + Partial Shuffled (University of Texas at Austin, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | सघन | | 538 | Mogrifier (d2, MoS2, MC) + dynamic eval (DeepMind, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | सघन | | 539 | Mogrifier RLSTM (DeepMind, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | आर्किटेक्चर नहीं बताया गया | | 540 | RT-1 (Google, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | आर्किटेक्चर नहीं बताया गया | | 541 | DenseNet-264 (Tsinghua University, 2016) | 3.4 × 10⁷ | 3.4 × 10⁷ | 2016 | सघन | | 542 | RetinaNet-R50 (Facebook AI Research, 2017) | \~3.4 × 10⁷ | | 2017 | अनुमान | | 543 | Fraternal dropout + AWD-LSTM 3-layer (Jagiellonian University, 2017) | \~3.4 × 10⁷ | | 2017 | अनुमान | | 544 | AWD-LSTM-DRILL + dynamic evaluation† (IDIAP, 2019) | \~3.4 × 10⁷ | | 2019 | अनुमान | | 545 | AWD-LSTM - 3-layer LSTM (Salesforce Research, 2017) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2017 | सघन | | 546 | TCAN (Nanjing University, 2020) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2020 | सघन | | 547 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | \~3.2 × 10⁷ | | 2019 | अनुमान | | 548 | Paragraph Vector (Google, 2014) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2014 | सघन | | 549 | aLSTM (University of Manchester, 2018) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2018 | सघन | | 550 | StyleGAN2 (Nvidia, 2019) | 3 × 10⁷ | 3 × 10⁷ | 2019 | सघन | | 551 | UDSMProt (Fraunhofer Heinrich Hertz Institute, 2019) | \~2.8 × 10⁷ | | 2019 | अनुमान | | 552 | SENet (Chinese Academy of Sciences, 2017) | \~2.8 × 10⁷ | | 2017 | अनुमान | | 553 | Perceiver IO (DeepMind, 2020) | 2.8 × 10⁷ | 2.8 × 10⁷ | 2020 | सघन | | 554 | Fractional Max-Pooling (University of Warwick, 2014) | \~2.7 × 10⁷ | | 2014 | अनुमान | | 555 | Hierarchical Reasoning Model (Sapient Intelligence, 2025) | 2.7 × 10⁷ | 2.7 × 10⁷ | 2025 | आर्किटेक्चर नहीं बताया गया | | 556 | RNN-WER (DeepMind, 2014) | \~2.6 × 10⁷ | | 2014 | अनुमान | | 557 | StyleGAN (Nvidia, 2018) | 2.6 × 10⁷ | 2.6 × 10⁷ | 2018 | सघन | | 558 | PyramidNet (Korea Advanced Institute of Science and Technology (KAIST), 2017) | \~2.6 × 10⁷ | | 2017 | अनुमान | | 559 | ResNeXt-50 (University of California San Diego, 2016) | \~2.5 × 10⁷ | | 2016 | अनुमान | | 560 | AWD-LSTM (DeepMind, 2017) | 2.4 × 10⁷ | 2.4 × 10⁷ | 2017 | सघन | | 561 | Inception v3 (Google, 2015) | \~2.4 × 10⁷ | | 2015 | अनुमान | | 562 | Mamba-24M (Carnegie Mellon University (CMU), 2023) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2023 | आर्किटेक्चर नहीं बताया गया | | 563 | WeNet (Amazon, 2019) | \~2.3 × 10⁷ | | 2019 | अनुमान | | 564 | EN^2AS with performance reward (Beijing Institute of Technology, 2019) | \~2.3 × 10⁷ | | 2019 | अनुमान | | 565 | NAS+ESS (Northeastern University (China), 2020) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2020 | सघन | | 566 | Xception (Google, 2016) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2016 | सघन | | 567 | MetaMimic (Google, 2018) | \~2.2 × 10⁷ | | 2018 | अनुमान | | 568 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | \~2.1 × 10⁷ | | 2019 | अनुमान | | 569 | Pointer Sentinel-LSTM (MetaMind Inc, 2016) | 2.1 × 10⁷ | 2.1 × 10⁷ | 2016 | सघन | | 570 | DiffDock (Massachusetts Institute of Technology (MIT), 2022) | \~2 × 10⁷ | | 2022 | अनुमान | | 571 | EI-REHN-1000D (Korea Advanced Institute of Science and Technology (KAIST), 2017) | 1.9 × 10⁷ | 1.9 × 10⁷ | 2017 | सघन | | 572 | TC-DNN-BLSTM-DNN (Carnegie Mellon University (CMU), 2015) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2015 | सघन | | 573 | OR-WideResNet (Duke University, 2017) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2017 | सघन | | 574 | BP-DBN (University of Toronto, 2009) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2009 | सघन | | 575 | ALBERT (Toyota Technological Institute at Chicago, 2019) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2019 | सघन | | 576 | MedBERT (Peng Cheng Laboratory, 2021) | \~1.7 × 10⁷ | | 2021 | अनुमान | | 577 | LCNP NORB (, 2009) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2009 | सघन | | 578 | LF-MMI (Johns Hopkins University, 2016) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2016 | सघन | | 579 | AlphaFold (DeepMind, 2020) | \~1.6 × 10⁷ | | 2020 | अनुमान | | 580 | GNoME for crystal discovery (Google DeepMind, 2023) | \~1.6 × 10⁷ | | 2023 | अनुमान | | 581 | ReLU (University of Toronto, 2010) | \~1.6 × 10⁷ | | 2010 | अनुमान | | 582 | ProteinBERT (Hebrew University of Jerusalem, 2022) | 1.6 × 10⁷ | 1.6 × 10⁷ | 2022 | आर्किटेक्चर नहीं बताया गया | | 583 | Eve (Harvard Medical School, 2021) | \~1.5 × 10⁷ | | 2021 | अनुमान | | 584 | LCNP LabelMe (University of Bonn, 2009) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2009 | सघन | | 585 | BatchNorm (Google, 2015) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2015 | सघन | | 586 | Fold2Seq (IBM, 2021) | \~1.2 × 10⁷ | | 2021 | अनुमान | | 587 | NPLM (University of Montreal / Université de Montréal, 2003) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2003 | सघन | | 588 | LCNP MNIST (, 2009) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2009 | सघन | | 589 | ISS (Duke University, 2017) | 1.1 × 10⁷ | 1.1 × 10⁷ | 2017 | सघन | | 590 | ResNet-1001 (Microsoft, 2016) | \~1 × 10⁷ | | 2016 | अनुमान | | 591 | RNN+LDA+KN5+cache (Microsoft, 2012) | \~9 × 10⁶ | | 2012 | अनुमान | | 592 | Gated HORNN (York University, 2016) | \~9 × 10⁶ | | 2016 | अनुमान | | 593 | AlphaGo Fan (DeepMind, 2015) | \~8.2 × 10⁶ | | 2015 | अनुमान | | 594 | genCNN + dyn eval (Chinese Academy of Sciences, 2015) | \~8 × 10⁶ | | 2015 | अनुमान | | 595 | Once for All (MIT-IBM Watson AI Lab, 2020) | 7.7 × 10⁶ | 7.7 × 10⁶ | 2020 | सघन | | 596 | Multi-cell LSTM (University of Hyderabad, 2018) | \~7.2 × 10⁶ | | 2018 | अनुमान | | 597 | Feedforward NN (University of Montreal / Université de Montréal, 2010) | 7.1 × 10⁶ | 7.1 × 10⁶ | 2010 | सघन | | 598 | True-Regularization+Finetune+Dynamic-Eval (Mobvoi, 2019) | 7 × 10⁶ | 7 × 10⁶ | 2019 | सघन | | 599 | Neural LM (University of Montreal / Université de Montréal, 2000) | 6.9 × 10⁶ | 6.9 × 10⁶ | 2000 | सघन | | 600 | GoogLeNet / InceptionV1 (Google, 2014) | 6.8 × 10⁶ | 6.8 × 10⁶ | 2014 | सघन | | 601 | HyenaDNA (Stanford University, 2023) | 6.6 × 10⁶ | 6.6 × 10⁶ | 2023 | आर्किटेक्चर नहीं बताया गया | | 602 | Dropout (University of Toronto, 2012) | 5.6 × 10⁶ | 5.6 × 10⁶ | 2012 | सघन | | 603 | SimpleNet (Sensifai, 2016) | 5.5 × 10⁶ | 5.5 × 10⁶ | 2016 | सघन | | 604 | AlphaX-1 (Facebook AI Research, 2019) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2019 | सघन | | 605 | 3DDFA (Chinese Academy of Sciences, 2015) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2015 | सघन | | 606 | Deep CNN + COTS (IEEE, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | सघन | | 607 | DCNN (University of Maryland, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | सघन | | 608 | NLP from scratch (NEC Laboratories, 2011) | \~5 × 10⁶ | | 2011 | अनुमान | | 609 | SPN-4+KN5 (Singapore University of Technology & Design, 2014) | \~5 × 10⁶ | | 2014 | अनुमान | | 610 | 6-Act Tether (Facebook AI Research, 2021) | 5 × 10⁶ | 5 × 10⁶ | 2021 | आर्किटेक्चर नहीं बताया गया | | 611 | High Performance CNN (IDSIA, 2011) | \~4.9 × 10⁶ | | 2011 | अनुमान | | 612 | MobileNet (Google, 2017) | \~4.2 × 10⁶ | | 2017 | अनुमान | | 613 | NPLM (University of Montreal / Université de Montréal, 2003) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2003 | सघन | | 614 | LMICA (, 2004) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2004 | सघन | | 615 | PoE MNIST (University College London (UCL), 2000) | 3.9 × 10⁶ | 3.9 × 10⁶ | 2000 | सघन | | 616 | Dimensionality Reduction (University of Toronto, 2006) | \~3.8 × 10⁶ | | 2006 | अनुमान | | 617 | GOAT (DeepMind, 2021) | \~3.5 × 10⁶ | | 2021 | अनुमान | | 618 | MobileNetV2 (Google, 2018) | \~3.4 × 10⁶ | | 2018 | अनुमान | | 619 | Big-Little Net (IBM, 2018) | \~3.3 × 10⁶ | | 2018 | अनुमान | | 620 | DLWP (University of Washington, 2021) | 2.7 × 10⁶ | 2.7 × 10⁶ | 2021 | आर्किटेक्चर नहीं बताया गया | | 621 | BIDAF (University of Washington, 2016) | 2.6 × 10⁶ | 2.6 × 10⁶ | 2016 | सघन | | 622 | DeepStack (University of Alberta, 2017) | \~2.5 × 10⁶ | | 2017 | अनुमान | | 623 | KataGo (Jane Street, 2019) | \~2.5 × 10⁶ | | 2019 | अनुमान | | 624 | ShuffleNet v1 (Megvii Inc, 2017) | \~2.4 × 10⁶ | | 2017 | अनुमान | | 625 | ADAM (University of Amsterdam, 2014) | 2.4 × 10⁶ | 2.4 × 10⁶ | 2014 | सघन | | 626 | StyleGAN3-T (Nvidia, 2021) | 2.2 × 10⁶ | 2.2 × 10⁶ | 2021 | आर्किटेक्चर नहीं बताया गया | | 627 | LSTM+NeuralCache (KU Leuven, 2018) | \~2.1 × 10⁶ | | 2018 | अनुमान | | 628 | HLBL (University of Toronto, 2008) | 1.8 × 10⁶ | 1.8 × 10⁶ | 2008 | सघन | | 629 | ResNet-110 (Microsoft, 2015) | \~1.7 × 10⁶ | | 2015 | अनुमान | | 630 | Dueling DQN (Google DeepMind, 2016) | 1.7 × 10⁶ | 1.7 × 10⁶ | 2016 | सघन | | 631 | DQN-2015 (Google, 2015) | \~1.7 × 10⁶ | | 2015 | अनुमान | | 632 | Rational DQN Average (TU Darmstadt, 2021) | \~1.7 × 10⁶ | | 2021 | अनुमान | | 633 | IBM-5 (IBM, 1993) | \~1.7 × 10⁶ | | 1993 | अनुमान | | 634 | Deep Belief Nets (University of Toronto, 2006) | \~1.6 × 10⁶ | | 2006 | अनुमान | | 635 | IMPALA (DeepMind, 2018) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2018 | सघन | | 636 | StyleGAN3-R (Nvidia, 2021) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2021 | आर्किटेक्चर नहीं बताया गया | | 637 | Deep Multitask NLP Network (NEC Laboratories, 2008) | \~1.5 × 10⁶ | | 2008 | अनुमान | | 638 | Double DQN (Google DeepMind, 2016) | 1.5 × 10⁶ | 1.5 × 10⁶ | 2016 | सघन | | 639 | CNN committee (IDSIA, 2011) | \~1.4 × 10⁶ | | 2011 | अनुमान | | 640 | SqueezeNet (DeepScale, 2016) | \~1.2 × 10⁶ | | 2016 | अनुमान | | 641 | Neocognitron (NHK Broadcasting Science Research Laboratories, 1980) | 1.1 × 10⁶ | 1.1 × 10⁶ | 1980 | सघन | | 642 | CURL (University of California (UC) Berkeley, 2020) | \~9.1 × 10⁵ | | 2020 | अनुमान | | 643 | DQN (DeepMind, 2013) | 8.4 × 10⁵ | 8.4 × 10⁵ | 2013 | सघन | | 644 | EnhanceNet (Max Planck Institute for Intelligent Systems, 2016) | 8.1 × 10⁵ | 8.1 × 10⁵ | 2016 | सघन | | 645 | Image generation (University of Amsterdam, 2013) | 7.8 × 10⁵ | 7.8 × 10⁵ | 2013 | सघन | | 646 | Hanabi 4 player (DeepMind, 2019) | 7.6 × 10⁵ | 7.6 × 10⁵ | 2019 | सघन | | 647 | TA-CNN (Chinese University of Hong Kong (CUHK), 2014) | \~7.1 × 10⁵ | | 2014 | अनुमान | | 648 | Robot Parkour (Shanghai Qi Zhi institute, 2023) | 5 × 10⁵ | 5 × 10⁵ | 2023 | आर्किटेक्चर नहीं बताया गया | | 649 | LISSOM (University of Texas at Austin, 1995) | \~4.3 × 10⁵ | | 1995 | अनुमान | | 650 | SPIDER2 (Griffith University, 2016) | \~4.1 × 10⁵ | | 2016 | अनुमान | | 651 | Mixture of linear models (, 1994) | \~3.8 × 10⁵ | | 1994 | अनुमान | | 652 | NPD (IEEE, 2014) | 3.1 × 10⁵ | 3.1 × 10⁵ | 2014 | सघन | | 653 | Pooling CNN (University of Bonn, 2010) | 2.9 × 10⁵ | 2.9 × 10⁵ | 2010 | सघन | | 654 | Pooling CNN (University of Bonn, 2010) | 2.7 × 10⁵ | 2.7 × 10⁵ | 2010 | सघन | | 655 | Two Stage Feature Extraction (New York University (NYU), 2009) | 2.6 × 10⁵ | 2.6 × 10⁵ | 2009 | सघन | | 656 | Vector Space Model (Stanford University, 2011) | 2.5 × 10⁵ | 2.5 × 10⁵ | 2011 | सघन | | 657 | HyperNEAT (University of Texas at Austin, 2014) | \~2.4 × 10⁵ | | 2014 | अनुमान | | 658 | DNN EM segmentation (IDSIA, 2012) | 2.2 × 10⁵ | 2.2 × 10⁵ | 2012 | सघन | | 659 | Predictive Coding NN (Technical University of Munich, 1994) | 2.1 × 10⁵ | 2.1 × 10⁵ | 1994 | सघन | | 660 | Table Tennis Agent (Google DeepMind, 2024) | \~1.9 × 10⁵ | | 2024 | अनुमान | | 661 | CNN Committee (IDSIA, 2011) | \~1.3 × 10⁵ | | 2011 | अनुमान | | 662 | CNN Committee (IDSIA, 2011) | \~1.2 × 10⁵ | | 2011 | अनुमान | | 663 | RECONTRA-uncategorized (, 1999) | \~1.1 × 10⁵ | | 1999 | अनुमान | | 664 | BLSTM for handwriting (University of Bern, 2007) | \~1 × 10⁵ | | 2007 | अनुमान | | 665 | SVM-CNN (New York University (NYU), 2006) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2006 | सघन | | 666 | Invariant CNN (New York University (NYU), 2004) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2004 | सघन | | 667 | SexNet compression (, 1990) | 7.3 × 10⁴ | 7.3 × 10⁴ | 1990 | सघन | | 668 | NeuroChess (, 1994) | \~7.2 × 10⁴ | | 1994 | अनुमान | | 669 | RECONTRA-categorized (, 1999) | \~6.7 × 10⁴ | | 1999 | अनुमान | | 670 | LeNet-5 (AT&T, 1998) | 6 × 10⁴ | 6 × 10⁴ | 1998 | सघन | | 671 | Swift (Intel Labs, 2023) | \~5.7 × 10⁴ | | 2023 | अनुमान | | 672 | TCN (Carnegie Mellon University (CMU), 2018) | 4.2 × 10⁴ | 4.2 × 10⁴ | 2018 | सघन | | 673 | TRPO (University of California (UC) Berkeley, 2015) | 3.4 × 10⁴ | 3.4 × 10⁴ | 2015 | सघन | | 674 | SOM-CNN (, 1997) | 3.2 × 10⁴ | 3.2 × 10⁴ | 1997 | सघन | | 675 | NETtalk reimplementation (Oregon State University, 1990) | 2.7 × 10⁴ | 2.7 × 10⁴ | 1990 | सघन | | 676 | TD-Gammon (IBM, 1992) | \~2.5 × 10⁴ | | 1992 | अनुमान | | 677 | Cognitron (Biological Cybernetics, 1975) | 2.2 × 10⁴ | 2.2 × 10⁴ | 1975 | सघन | | 678 | NetTalk (Princeton University, 1987) | 1.9 × 10⁴ | 1.9 × 10⁴ | 1987 | सघन | | 679 | CFSS (SenseTime, 2015) | \~1.7 × 10⁴ | | 2015 | अनुमान | | 680 | MUSIC perceptron (, 1996) | 1.4 × 10⁴ | 1.4 × 10⁴ | 1996 | सघन | | 681 | AdaRNN (Beihang University, 2014) | 1.3 × 10⁴ | 1.3 × 10⁴ | 2014 | सघन | | 682 | Bidirectional RNN (Advanced Telecommunications Research Institute, 1997) | \~1.3 × 10⁴ | | 1997 | अनुमान | | 683 | Decision tree (Mitsubishi Electric Research Labs, 2001) | \~1.2 × 10⁴ | | 2001 | अनुमान | | 684 | LSTM (Technical University of Munich, 1997) | 1.1 × 10⁴ | 1.1 × 10⁴ | 1997 | सघन | | 685 | MLN-ASR (McGill University, 1988) | 1 × 10⁴ | 1 × 10⁴ | 1988 | सघन | | 686 | Hopfield network (California Institute of Technology, 1982) | \~9.9 × 10³ | | 1982 | अनुमान | | 687 | Zip CNN (AT&T, 1989) | 9.8 × 10³ | 9.8 × 10³ | 1989 | सघन | | 688 | Hierarchical Cognitron (NHK Broadcasting Science Research Laboratories, 1984) | \~9.3 × 10³ | | 1984 | अनुमान | | 689 | Weight Decay (, 1991) | 8.4 × 10³ | 8.4 × 10³ | 1991 | सघन | | 690 | Deep Blue (IBM, 1997) | \~8 × 10³ | | 1997 | अनुमान | | 691 | सूत्रकृमि (C. elegans) | 7 × 10³ | 7 × 10³ | | सिनेप्स | | 692 | System 11 (Carnegie Mellon University (CMU), 1996) | 6.5 × 10³ | 6.5 × 10³ | 1996 | सघन | | 693 | ACF-WIDER (Chinese Academy of Sciences, 2014) | 6.1 × 10³ | 6.1 × 10³ | 2014 | सघन | | 694 | RankNet (Microsoft Research, 2005) | 5.7 × 10³ | 5.7 × 10³ | 2005 | सघन | | 695 | ANN Eye Tracker (, 1993) | 5.6 × 10³ | 5.6 × 10³ | 1993 | सघन | | 696 | JPMAX (, 1994) | \~4.4 × 10³ | | 1994 | अनुमान | | 697 | Kohonen network (Helsinki University of Technology, 1981) | \~4.1 × 10³ | | 1981 | अनुमान | | 698 | Speaker-independent vowel classification (University of Washington, 1989) | 3 × 10³ | 3 × 10³ | 1989 | सघन | | 699 | Pattern recognition and reading by machine (Sandia Corporation, 1959) | \~2.6 × 10³ | | 1959 | अनुमान | | 700 | Handwritten digit recognition network (AT&T, 1989) | 2.6 × 10³ | 2.6 × 10³ | 1989 | सघन | | 701 | Boosting (Bell Laboratories, 1992) | \~2.6 × 10³ | | 1992 | अनुमान | | 702 | Decision tree adaline (Tokyo Medical and Dental University, 1969) | 2.5 × 10³ | 2.5 × 10³ | 1969 | सघन | | 703 | LTE speaker verification system (IBM, 1966) | \~2.1 × 10³ | | 1966 | अनुमान | | 704 | Ceramic-MLP (Sapienza Università di Roma, 1994) | \~1.9 × 10³ | | 1994 | अनुमान | | 705 | SexNet classification (, 1990) | \~1.6 × 10³ | | 1990 | अनुमान | | 706 | RAAM (, 1990) | 1.5 × 10³ | 1.5 × 10³ | 1990 | सघन | | 707 | Super-vector coding (University of Illinois Urbana-Champaign (UIUC), 2010) | \~1 × 10³ | | 2010 | अनुमान | | 708 | Perceptron Mark I (Cornell Aeronautical Laboratory, 1957) | \~1 × 10³ | | 1957 | अनुमान | | 709 | Perceptron (Cornell Aeronautical Laboratory, 1960) | \~1 × 10³ | | 1960 | अनुमान | | 710 | Translation-invariant MLP (Carnegie Mellon University (CMU), 1987) | 8.2 × 10² | 8.2 × 10² | 1987 | मिक्सचर ऑफ़ एक्सपर्ट्स (सक्रिय गिनती अप्रकाशित) | | 711 | Truck backer-upper (Stanford University, 1989) | 8.1 × 10² | 8.1 × 10² | 1989 | सघन | | 712 | Siamese-TDNN (Bell Laboratories, 1993) | \~7.4 × 10² | | 1993 | अनुमान | | 713 | MLP with back-propagation (University of California San Diego, 1986) | 7.2 × 10² | 7.2 × 10² | 1986 | सघन | | 714 | Cancer drug mechanism prediction (National Cancer Institute, 1992) | \~5.9 × 10² | | 1992 | अनुमान | | 715 | Distributed representation NN (Carnegie Mellon University (CMU), 1986) | 4.3 × 10² | 4.3 × 10² | 1986 | सघन | | 716 | Piecewise linear model (University of Kansas, 1973) | 3.6 × 10² | 3.6 × 10² | 1973 | सघन | | 717 | ASE+ACE (University of Massachusetts Amherst, 1983) | \~3.2 × 10² | | 1983 | अनुमान | | 718 | LSTM with forget gates (IDSIA, 1999) | \~2.8 × 10² | | 1999 | अनुमान | | 719 | Self Organizing System (Massachusetts Institute of Technology (MIT), 1955) | \~2.3 × 10² | | 1955 | अनुमान | | 720 | Theseus (Bell Laboratories, 1950) | 4 × 10¹ | 4 × 10¹ | 1950 | सघन | | 721 | SNARC (Harvard University, 1952) | \~4 × 10¹ | | 1952 | अनुमान | | 722 | Bankruptcy-NN (, 1990) | 3.6 × 10¹ | 3.6 × 10¹ | 1990 | सघन | | 723 | GNN (University of Siena, 2008) | 3 × 10¹ | 3 × 10¹ | 2008 | सघन | | 724 | ADALINE (Stanford University, 1960) | 1.7 × 10¹ | 1.7 × 10¹ | 1960 | सघन | | 725 | Samuel Neural Checkers (IBM, 1959) | \~1.6 × 10¹ | | 1959 | अनुमान | ## सामूहिक ये चार्ट पशु-समाजों, धर्मों, राज्यों, दलों और निगमों को दो तरह से क्रम देते हैं। एक सदस्यों के आधार पर। दूसरा न्यूरॉन-समतुल्यों के आधार पर, जो हर सदस्य को इस हिस्से से तौलते हैं कि उसके जागने के समय का कितना भाग समूह के निर्देश तय करते हैं। धार्मिक संहिताएँ, कानून, दलों के नियम और काम के विवरण, सब एक ही तरह गिने जाते हैं। ये सब निर्देशों के समूह हैं, इसलिए हम इन्हें एक ही नियम से नापते हैं। [निर्देशित समय का अनुमान कैसे लगता है](https://simulation-hypothesis.com/hi/entities/control)। ## पशु-समाज: समन्वित समूह-गतिविधि में न्यूरॉन समूह के न्यूरॉन समूह की गतिविधि में एक आम समूह के सदस्य × हर सदस्य के कॉर्टेक्स या पैलियम के न्यूरॉन (कीटों के लिए पूरा मस्तिष्क), लघुगणकीय पैमाने पर। धारीदार पट्टियाँ अनुमानित समूह-आकार या किसी संबंधित प्रजाति के न्यूरॉन की गिनती इस्तेमाल करती हैं। 1. चिंपांज़ी समुदाय▲1 7.4 × 10¹¹ 2. पत्ती-काटने वाली चींटियों की कॉलोनी▼1 6.3 × 10¹¹ 3. बोनोबो समुदाय▲2 4.4 × 10¹¹ 4. हादज़ा शिविर (इंसान, पैमाने की तुलना के लिए) 4.1 × 10¹¹ 5. बिग्स ऑर्का समूह▼2 2.6 × 10¹¹ 6. स्थानीय ऑर्का मातृवंश 2.4 × 10¹¹ 7. बबून का झुंड 8.6 × 10¹⁰ 8. बॉटलनोज़ डॉल्फ़िन का गठबंधन▲1 7.6 × 10¹⁰ 9. स्पर्म व्हेल की सामाजिक इकाई▲1 6.4 × 10¹⁰ 10. मधुमक्खी की कॉलोनी▼2 5.8 × 10¹⁰ 11. हाथियों का परिवार 5.6 × 10¹⁰ 12. पिन्योन जे का झुंड 5.3 × 10¹⁰ 13. चित्तीदार लकड़बग्घों का कुल 2.2 × 10¹⁰ 14. अफ़्रीकी जंगली कुत्तों का झुंड 7.2 × 10⁹ 15. भेड़ियों का झुंड 4.2 × 10⁹ 16. मीरकैट का समूह 1.7 × 10⁹ 17. नेकेड मोल-रैट की कॉलोनी 4.1 × 10⁸ 10^8 10^9 10^10 10^11 10^12 neurons संख्याएँ दिखाएँ | # | समूह | समूह के न्यूरॉन | समूह की गतिविधि में | सदस्य | निर्देशित हिस्सा | पुकारों के प्रकार | | -- | -------------------------------------------- | --------------- | ------------------- | ------ | ---------------- | ----------------- | | 1 | चिंपांज़ी समुदाय | 7.4 × 10¹¹ | 2.5 × 10¹¹ | 100 | 34% | — | | 2 | पत्ती-काटने वाली चींटियों की कॉलोनी | 6.3 × 10¹¹ | 5 × 10¹¹ | 25 लाख | 80% | — | | 3 | बोनोबो समुदाय | 4.4 × 10¹¹ | 1.9 × 10¹¹ | 59 | 43% | — | | 4 | हादज़ा शिविर (इंसान, पैमाने की तुलना के लिए) | 4.1 × 10¹¹ | 2.1 × 10¹¹ | 25 | 53% | — | | 5 | बिग्स ऑर्का समूह | 2.6 × 10¹¹ | 2.4 × 10¹¹ | 6 | 91% | — | | 6 | स्थानीय ऑर्का मातृवंश | 2.4 × 10¹¹ | 1.7 × 10¹¹ | 6 | 70% | 11 | | 7 | बबून का झुंड | 8.6 × 10¹⁰ | 5.2 × 10¹⁰ | 30 | 60% | 9 | | 8 | बॉटलनोज़ डॉल्फ़िन का गठबंधन | 7.6 × 10¹⁰ | 4.2 × 10¹⁰ | 6 | 55% | — | | 9 | स्पर्म व्हेल की सामाजिक इकाई | 6.4 × 10¹⁰ | 4.1 × 10¹⁰ | 8 | 65% | — | | 10 | मधुमक्खी की कॉलोनी | 5.8 × 10¹⁰ | 4.9 × 10¹⁰ | 60,000 | 85% | — | | 11 | हाथियों का परिवार | 5.6 × 10¹⁰ | 3.2 × 10¹⁰ | 10 | 57% | — | | 12 | पिन्योन जे का झुंड | 5.3 × 10¹⁰ | 3.2 × 10¹⁰ | 100 | 60% | — | | 13 | चित्तीदार लकड़बग्घों का कुल | 2.2 × 10¹⁰ | 6.7 × 10⁹ | 45 | 30% | 11 | | 14 | अफ़्रीकी जंगली कुत्तों का झुंड | 7.2 × 10⁹ | 4.8 × 10⁹ | 14 | 67% | 11 | | 15 | भेड़ियों का झुंड | 4.2 × 10⁹ | 2.6 × 10⁹ | 8 | 63% | — | | 16 | मीरकैट का समूह | 1.7 × 10⁹ | 1 × 10⁹ | 15 | 57% | 12 | | 17 | नेकेड मोल-रैट की कॉलोनी | 4.1 × 10⁸ | 2.9 × 10⁸ | 78 | 70% | — | [समूहों को अंक कैसे दिए जाते हैं](https://simulation-hypothesis.com/hi/entities/control). ## धर्म: अनुयायी, और उनके निर्देशों का पालन करते न्यूरॉन सदस्य उसके निर्देशों का पालन पूरे धर्म संप्रदाय और आंदोलन अनुयायी, लघुगणकीय पैमाने पर। संप्रदाय और आंदोलन उन धर्मों से अलग दिखाए गए हैं जिनमें वे आते हैं। ठोस पट्टियाँ गिनतियाँ हैं; धारीदार पट्टियाँ अनुमान हैं। 1. ईसाई धर्म▲1 2.27 अरब 2. इस्लाम▼1 2.02 अरब 3. हिंदू धर्म 1.18 अरब 4. लोक धर्म 40 करोड़ 5. बौद्ध धर्म 32.42 करोड़ 6. अफ़्रीकी पारंपरिक धर्म▲1 9.87 करोड़ 7. शिंतो▲1 8.79 करोड़ 8. सिख धर्म▲1 2.5 करोड़ 9. यहूदी धर्म▼3 1.48 करोड़ 10. ताओ धर्म▲1 80 लाख 11. बहाई धर्म▲1 80 लाख 12. फालुन गोंग▲1 70 लाख 13. जैन धर्म▼3 44.52 लाख 14. आत्मवाद (स्पिरिटिज़्म) 38 लाख 15. काओ दाई 25 लाख 16. तेनरिक्यो 11.22 लाख 17. ब्रह्मा कुमारीज़ 10 लाख 10^5 10^6 10^7 10^8 10^9 10^10 सदस्य संख्याएँ दिखाएँ | # | धर्म | सदस्य | उसके निर्देशों का पालन | निर्देशित हिस्सा | हफ़्ते के घंटे | | -- | ---------------------- | ----------- | ---------------------- | ---------------- | -------------- | | 1 | ईसाई धर्म | 2.27 अरब | 1.7 × 10¹⁸ | 0.88% | 0.9 h | | 2 | इस्लाम | 2.02 अरब | 8.9 × 10¹⁸ | 5.1% | 5.4 h | | 3 | हिंदू धर्म | 1.18 अरब | 1.6 × 10¹⁸ | 1.6% | 1.6 h | | 4 | लोक धर्म | 40 करोड़ | 2 × 10¹⁷ | 0.59% (प्रॉक्सी) | 0.6 h | | 5 | बौद्ध धर्म | 32.42 करोड़ | 7.5 × 10¹⁶ | 0.27% | 0.3 h | | 6 | अफ़्रीकी पारंपरिक धर्म | 9.87 करोड़ | 5 × 10¹⁶ | 0.59% (प्रॉक्सी) | 0.6 h | | 7 | शिंतो | 8.79 करोड़ | 4.5 × 10¹⁶ | 0.59% (प्रॉक्सी) | 0.6 h | | 8 | सिख धर्म | 2.5 करोड़ | 3.7 × 10¹⁶ | 1.7% | 1.8 h | | 9 | यहूदी धर्म | 1.48 करोड़ | 5.3 × 10¹⁶ | 4.2% | 4.4 h | | 10 | ताओ धर्म | 80 लाख | 4.1 × 10¹⁵ | 0.59% (प्रॉक्सी) | 0.6 h | | 11 | बहाई धर्म | 80 लाख | 4.1 × 10¹⁵ | 0.59% (प्रॉक्सी) | 0.6 h | | 12 | फालुन गोंग | 70 लाख | 3.6 × 10¹⁵ | 0.59% (प्रॉक्सी) | 0.6 h | | 13 | जैन धर्म | 44.52 लाख | 1.8 × 10¹⁶ | 4.6% | 4.8 h | | 14 | आत्मवाद (स्पिरिटिज़्म) | 38 लाख | 1.9 × 10¹⁵ | 0.59% (प्रॉक्सी) | 0.6 h | | 15 | काओ दाई | 25 लाख | 1.3 × 10¹⁵ | 0.59% (प्रॉक्सी) | 0.6 h | | 16 | तेनरिक्यो | 11.22 लाख | 5.7 × 10¹⁴ | 0.59% (प्रॉक्सी) | 0.6 h | | 17 | ब्रह्मा कुमारीज़ | 10 लाख | 5.1 × 10¹⁴ | 0.59% (प्रॉक्सी) | 0.6 h | [हर प्रथा, हिस्सा और स्रोत](https://simulation-hypothesis.com/hi/entities/control). ## राज्य: निवासी, और उनके निर्देशों का पालन करते न्यूरॉन निवासी उसके निर्देशों का पालन सभी उत्तरी अमेरिका दक्षिण एशिया पूर्वी एशिया और प्रशांत मध्य पूर्व, उत्तरी अफ़्रीका, अफ़गानिस्तान और पाकिस्तान यूरोप और मध्य एशिया लैटिन अमेरिका और कैरिबियन सब-सहारा अफ़्रीका आबादी, लघुगणकीय पैमाने पर। ठोस पट्टियाँ गिनतियाँ हैं; धारीदार पट्टियाँ अनुमान हैं। 1. भारत▲1 1.46 अरब 2. चीन▼1 1.41 अरब 3. संयुक्त राज्य अमेरिका 34.18 करोड़ 4. इंडोनेशिया 28.57 करोड़ 5. पाकिस्तान▲5 25.52 करोड़ 6. नाइजीरिया▲1 23.75 करोड़ 7. ब्राज़ील▼2 21.28 करोड़ 8. बांग्लादेश▲5 17.57 करोड़ 9. रूस▼3 14.35 करोड़ 10. इथियोपिया▲7 13.55 करोड़ 11. मेक्सिको▼2 13.19 करोड़ 12. जापान▲11 12.34 करोड़ 13. मिस्र▼2 11.84 करोड़ 14. फ़िलीपींस 11.68 करोड़ 15. DR कांगो▼3 11.28 करोड़ सभी 196 दिखाएँ 10^4 10^6 10^8 10^10 निवासी संख्याएँ दिखाएँ | # | राज्य | निवासी | उसके निर्देशों का पालन | निर्देशित हिस्सा | हफ़्ते के घंटे | | --- | --------------------------- | ----------- | ---------------------- | ---------------- | -------------- | | 1 | भारत | 1.46 अरब | 2.5 × 10¹⁸ | 2% | 2.1 h | | 2 | चीन | 1.41 अरब | 5 × 10¹⁸ | 4.1% | 4.3 h | | 3 | संयुक्त राज्य अमेरिका | 34.18 करोड़ | 1.6 × 10¹⁸ | 5.6% | 5.8 h | | 4 | इंडोनेशिया | 28.57 करोड़ | 1 × 10¹⁸ | 4.2% | 4.4 h | | 5 | पाकिस्तान | 25.52 करोड़ | 5.7 × 10¹⁷ | 2.6% | 2.7 h | | 6 | नाइजीरिया | 23.75 करोड़ | 6.6 × 10¹⁷ | 3.2% | 3.4 h | | 7 | ब्राज़ील | 21.28 करोड़ | 8.7 × 10¹⁷ | 4.8% | 5 h | | 8 | बांग्लादेश | 17.57 करोड़ | 4.6 × 10¹⁷ | 3% | 3.1 h | | 9 | रूस | 14.35 करोड़ | 7.5 × 10¹⁷ | 6.1% | 6.4 h | | 10 | इथियोपिया | 13.55 करोड़ | 3.9 × 10¹⁷ | 3.4% | 3.5 h | | 11 | मेक्सिको | 13.19 करोड़ | 5.9 × 10¹⁷ | 5.2% | 5.5 h | | 12 | जापान | 12.34 करोड़ | 2.8 × 10¹⁷ | 2.7% | 2.8 h | | 13 | मिस्र | 11.84 करोड़ | 5.5 × 10¹⁷ | 5.4% | 5.7 h | | 14 | फ़िलीपींस | 11.68 करोड़ | 4.4 × 10¹⁷ | 4.4% | 4.6 h | | 15 | DR कांगो | 11.28 करोड़ | 4.7 × 10¹⁷ | 4.8% | 5.1 h | | 16 | वियतनाम | 10.16 करोड़ | 4.2 × 10¹⁷ | 4.8% | 5 h | | 17 | ईरान | 9.24 करोड़ | 3.5 × 10¹⁷ | 4.3% | 4.6 h | | 18 | तुर्की | 8.59 करोड़ | 4.3 × 10¹⁷ | 5.8% | 6 h | | 19 | जर्मनी | 8.35 करोड़ | 2.9 × 10¹⁷ | 4% | 4.2 h | | 20 | थाईलैंड | 7.16 करोड़ | 2.4 × 10¹⁷ | 3.9% | 4.1 h | | 21 | तंज़ानिया | 7.05 करोड़ | 2.2 × 10¹⁷ | 3.6% | 3.8 h | | 22 | यूनाइटेड किंगडम | 6.95 करोड़ | 2.8 × 10¹⁷ | 4.6% | 4.8 h | | 23 | फ़्रांस | 6.87 करोड़ | 3.1 × 10¹⁷ | 5.3% | 5.5 h | | 24 | दक्षिण अफ़्रीका | 6.47 करोड़ | 2.9 × 10¹⁷ | 5.1% | 5.4 h | | 25 | इटली | 5.89 करोड़ | 2.1 × 10¹⁷ | 4.2% | 4.4 h | | 26 | केन्या | 5.75 करोड़ | 2.3 × 10¹⁷ | 4.7% | 5 h | | 27 | म्यांमार | 5.49 करोड़ | 1.9 × 10¹⁷ | 4% | 4.2 h | | 28 | कोलंबिया | 5.34 करोड़ | 1.7 × 10¹⁷ | 3.7% | 3.9 h | | 29 | दक्षिण कोरिया | 5.17 करोड़ | 1.4 × 10¹⁷ | 3% | 3.2 h | | 30 | सूडान | 5.17 करोड़ | 1.5 × 10¹⁷ | 3.4% | 3.6 h | | 31 | युगांडा | 5.14 करोड़ | 1.5 × 10¹⁷ | 3.4% | 3.6 h | | 32 | स्पेन | 4.94 करोड़ | 1.8 × 10¹⁷ | 4.2% | 4.3 h | | 33 | अल्जीरिया | 4.74 करोड़ | 3.2 × 10¹⁷ | 7.9% | 8.3 h | | 34 | इराक़ | 4.7 करोड़ | 1.1 × 10¹⁷ | 2.8% | 2.9 h | | 35 | अर्जेंटीना | 4.59 करोड़ | 1.7 × 10¹⁷ | 4.4% | 4.6 h | | 36 | अफ़गानिस्तान | 4.38 करोड़ | 1.8 × 10¹⁷ | 4.8% | 5 h | | 37 | यमन | 4.18 करोड़ | 1.3 × 10¹⁷ | 3.7% | 3.9 h | | 38 | कनाडा | 4.17 करोड़ | 2 × 10¹⁷ | 5.5% | 5.8 h | | 39 | अंगोला | 3.9 करोड़ | 1.4 × 10¹⁷ | 4.2% | 4.4 h | | 40 | यूक्रेन | 3.9 करोड़ | 2.1 × 10¹⁷ | 6.2% | 6.5 h | | 41 | मोरक्को | 3.84 करोड़ | 1.5 × 10¹⁷ | 4.5% | 4.7 h | | 42 | उज़्बेकिस्तान | 3.71 करोड़ | 2 × 10¹⁷ | 6.3% | 6.6 h | | 43 | सऊदी अरब | 3.7 करोड़ | 1.4 × 10¹⁷ | 4.3% | 4.6 h | | 44 | पोलैंड | 3.64 करोड़ | 2.1 × 10¹⁷ | 6.7% | 7 h | | 45 | मलेशिया | 3.6 करोड़ | 1.8 × 10¹⁷ | 5.8% | 6.1 h | | 46 | मोज़ाम्बिक | 3.56 करोड़ | 1.5 × 10¹⁷ | 4.8% | 5.1 h | | 47 | घाना | 3.51 करोड़ | 1.2 × 10¹⁷ | 3.9% | 4.1 h | | 48 | पेरू | 3.46 करोड़ | 1.4 × 10¹⁷ | 4.8% | 5 h | | 49 | मेडागास्कर | 3.27 करोड़ | 9.4 × 10¹⁶ | 3.3% | 3.5 h | | 50 | कोट द’इवोआर | 3.27 करोड़ | 9.5 × 10¹⁶ | 3.4% | 3.5 h | | 51 | कैमरून | 2.99 करोड़ | 9.8 × 10¹⁶ | 3.8% | 4 h | | 52 | नेपाल | 2.96 करोड़ | 1.1 × 10¹⁷ | 4.2% | 4.4 h | | 53 | वेनेज़ुएला | 2.85 करोड़ | 1.5 × 10¹⁷ | 6.1% | 6.4 h | | 54 | नाइजर | 2.79 करोड़ | 6.4 × 10¹⁶ | 2.6% | 2.8 h | | 55 | ऑस्ट्रेलिया | 2.76 करोड़ | 1.1 × 10¹⁷ | 4.7% | 5 h | | 56 | उत्तर कोरिया | 2.66 करोड़ | 6.6 × 10¹⁷ | 29% | 30.1 h | | 57 | सीरिया | 2.56 करोड़ | 9.8 × 10¹⁶ | 4.4% | 4.6 h | | 58 | माली | 2.52 करोड़ | 4.9 × 10¹⁶ | 2.3% | 2.4 h | | 59 | बुर्किना फ़ासो | 2.41 करोड़ | 5.7 × 10¹⁶ | 2.8% | 2.9 h | | 60 | ताइवान | 2.33 करोड़ | 1 × 10¹⁷ | 5% | 5.3 h | | 61 | मलावी | 2.22 करोड़ | 1 × 10¹⁷ | 5.4% | 5.6 h | | 62 | ज़ाम्बिया | 2.19 करोड़ | 10 × 10¹⁶ | 5.3% | 5.5 h | | 63 | श्रीलंका | 2.18 करोड़ | 1.1 × 10¹⁷ | 6% | 6.3 h | | 64 | चाड | 2.1 करोड़ | 4.9 × 10¹⁶ | 2.7% | 2.9 h | | 65 | कज़ाख़स्तान | 2.08 करोड़ | 1.4 × 10¹⁷ | 7.6% | 7.9 h | | 66 | चिली | 1.99 करोड़ | 6.2 × 10¹⁶ | 3.6% | 3.8 h | | 67 | सोमालिया | 1.97 करोड़ | 1.5 × 10¹⁶ | 0.88% | 0.9 h | | 68 | रोमानिया | 1.9 करोड़ | 7.5 × 10¹⁶ | 4.6% | 4.8 h | | 69 | सेनेगल | 1.89 करोड़ | 5.9 × 10¹⁶ | 3.6% | 3.8 h | | 70 | ग्वाटेमाला | 1.87 करोड़ | 6 × 10¹⁶ | 3.7% | 3.9 h | | 71 | इक्वाडोर | 1.83 करोड़ | 6.6 × 10¹⁶ | 4.2% | 4.4 h | | 72 | नीदरलैंड | 1.81 करोड़ | 7.6 × 10¹⁶ | 4.9% | 5.1 h | | 73 | कंबोडिया | 1.78 करोड़ | 7.4 × 10¹⁶ | 4.8% | 5.1 h | | 74 | ज़िम्बाब्वे | 1.7 करोड़ | 6.1 × 10¹⁶ | 4.2% | 4.4 h | | 75 | गिनी | 1.51 करोड़ | 3.1 × 10¹⁶ | 2.4% | 2.5 h | | 76 | बेनिन | 1.48 करोड़ | 4.4 × 10¹⁶ | 3.4% | 3.6 h | | 77 | रवांडा | 1.46 करोड़ | 7 × 10¹⁶ | 5.6% | 5.8 h | | 78 | बुरुंडी | 1.44 करोड़ | 5.2 × 10¹⁶ | 4.2% | 4.4 h | | 79 | बोलीविया | 1.26 करोड़ | 5.8 × 10¹⁶ | 5.4% | 5.6 h | | 80 | ट्यूनीशिया | 1.23 करोड़ | 6.4 × 10¹⁶ | 6% | 6.3 h | | 81 | दक्षिण सूडान | 1.22 करोड़ | 4.4 × 10¹⁶ | 4.2% | 4.4 h | | 82 | बेल्जियम | 1.19 करोड़ | 4.5 × 10¹⁶ | 4.3% | 4.5 h | | 83 | हैती | 1.19 करोड़ | 1.9 × 10¹⁶ | 1.8% | 1.9 h | | 84 | जॉर्डन | 1.15 करोड़ | 4.9 × 10¹⁶ | 5% | 5.2 h | | 85 | डोमिनिकन गणराज्य | 1.15 करोड़ | 4.9 × 10¹⁶ | 4.9% | 5.2 h | | 86 | संयुक्त अरब अमीरात | 1.15 करोड़ | 3.1 × 10¹⁶ | 3.1% | 3.2 h | | 87 | होंडुरास | 1.1 करोड़ | 3.2 × 10¹⁶ | 3.3% | 3.5 h | | 88 | क्यूबा | 1.09 करोड़ | 1.6 × 10¹⁷ | 17% | 17.4 h | | 89 | चेकिया | 1.09 करोड़ | 5.8 × 10¹⁶ | 6.2% | 6.5 h | | 90 | पुर्तगाल | 1.08 करोड़ | 5.1 × 10¹⁶ | 5.5% | 5.7 h | | 91 | ताजिकिस्तान | 1.08 करोड़ | 5.3 × 10¹⁶ | 5.7% | 6 h | | 92 | पापुआ न्यू गिनी | 1.08 करोड़ | 4.3 × 10¹⁶ | 4.6% | 4.8 h | | 93 | स्वीडन | 1.06 करोड़ | 6.8 × 10¹⁶ | 7.5% | 7.8 h | | 94 | यूनान | 1.04 करोड़ | 4.9 × 10¹⁶ | 5.4% | 5.7 h | | 95 | अज़रबैजान | 1.02 करोड़ | 6.2 × 10¹⁶ | 7% | 7.4 h | | 96 | इज़राइल | 1.01 करोड़ | 6.4 × 10¹⁶ | 7.3% | 7.7 h | | 97 | हंगरी | 95.14 लाख | 5.7 × 10¹⁶ | 6.9% | 7.3 h | | 98 | ऑस्ट्रिया | 92.08 लाख | 2.5 × 10¹⁶ | 3.2% | 3.4 h | | 99 | स्विट्ज़रलैंड | 90.92 लाख | 3.9 × 10¹⁶ | 5% | 5.3 h | | 100 | बेलारूस | 90.86 लाख | 7.9 × 10¹⁶ | 10% | 10.6 h | | 101 | सिएरा लियोन | 88.2 लाख | 4.9 × 10¹⁶ | 6.5% | 6.8 h | | 102 | टोगो | 85.92 लाख | 3 × 10¹⁶ | 4% | 4.2 h | | 103 | लाओस | 78.73 लाख | 3.2 × 10¹⁶ | 4.8% | 5 h | | 104 | तुर्कमेनिस्तान | 76.19 लाख | 4.2 × 10¹⁶ | 6.5% | 6.8 h | | 105 | लीबिया | 74.59 लाख | 3.9 × 10¹⁶ | 6.1% | 6.4 h | | 106 | किर्गिज़स्तान | 73.43 लाख | 4.1 × 10¹⁶ | 6.5% | 6.8 h | | 107 | पैराग्वे | 70.13 लाख | 2.9 × 10¹⁶ | 4.8% | 5.1 h | | 108 | निकारागुआ | 70.08 लाख | 2.8 × 10¹⁶ | 4.6% | 4.8 h | | 109 | सर्बिया | 65.49 लाख | 4.1 × 10¹⁶ | 7.2% | 7.5 h | | 110 | कांगो गणराज्य | 64.84 लाख | 1.7 × 10¹⁶ | 3% | 3.1 h | | 111 | बुल्गारिया | 64.33 लाख | 3.3 × 10¹⁶ | 5.9% | 6.2 h | | 112 | अल सल्वाडोर | 63.66 लाख | 3.2 × 10¹⁶ | 5.8% | 6.1 h | | 113 | सिंगापुर | 61.11 लाख | 1.9 × 10¹⁶ | 3.6% | 3.7 h | | 114 | डेनमार्क | 60.09 लाख | 3.9 × 10¹⁶ | 7.6% | 8 h | | 115 | लेबनान | 58.49 लाख | 1.5 × 10¹⁶ | 3% | 3.1 h | | 116 | लाइबेरिया | 57.31 लाख | 1.5 × 10¹⁶ | 3.1% | 3.3 h | | 117 | फ़िनलैंड | 56.46 लाख | 3.2 × 10¹⁶ | 6.6% | 6.9 h | | 118 | नॉर्वे | 56.11 लाख | 3.7 × 10¹⁶ | 7.6% | 8 h | | 119 | मध्य अफ़्रीकी गणराज्य | 55.13 लाख | 1.7 × 10¹⁶ | 3.5% | 3.7 h | | 120 | ओमान | 54.95 लाख | 2.9 × 10¹⁶ | 6.2% | 6.5 h | | 121 | आयरलैंड | 54.84 लाख | 3.4 × 10¹⁶ | 7.2% | 7.6 h | | 122 | स्लोवाकिया | 54.14 लाख | 3.1 × 10¹⁶ | 6.7% | 7 h | | 123 | फ़िलिस्तीन | 54.14 लाख | 2 × 10¹⁶ | 4.3% | 4.5 h | | 124 | न्यूज़ीलैंड | 53.25 लाख | 2.7 × 10¹⁶ | 5.9% | 6.2 h | | 125 | मॉरिटानिया | 53.15 लाख | 2 × 10¹⁶ | 4.3% | 4.5 h | | 126 | कोस्टा रिका | 51.53 लाख | 2.6 × 10¹⁶ | 5.9% | 6.2 h | | 127 | कुवैत | 48.65 लाख | 2.7 × 10¹⁶ | 6.5% | 6.8 h | | 128 | पनामा | 45.71 लाख | 2.3 × 10¹⁶ | 5.9% | 6.2 h | | 129 | जॉर्जिया | 39.36 लाख | 2.1 × 10¹⁶ | 6.1% | 6.4 h | | 130 | क्रोएशिया | 38.76 लाख | 2.2 × 10¹⁶ | 6.7% | 7 h | | 131 | इरिट्रिया | 36.07 लाख | 1.5 × 10¹⁶ | 5% | 5.2 h | | 132 | मंगोलिया | 35.69 लाख | 2.2 × 10¹⁶ | 7% | 7.3 h | | 133 | उरुग्वे | 33.85 लाख | 1.7 × 10¹⁶ | 5.9% | 6.2 h | | 134 | बोस्निया और हर्ज़ेगोविना | 31.4 लाख | 1.6 × 10¹⁶ | 5.9% | 6.2 h | | 135 | नामीबिया | 30.93 लाख | 1.8 × 10¹⁶ | 6.9% | 7.2 h | | 136 | आर्मेनिया | 30.87 लाख | 1.7 × 10¹⁶ | 6.5% | 6.8 h | | 137 | क़तर | 29.72 लाख | 9.6 × 10¹⁵ | 3.8% | 3.9 h | | 138 | लिथुआनिया | 28.89 लाख | 1.8 × 10¹⁶ | 7.4% | 7.7 h | | 139 | जमैका | 28.37 लाख | 1.2 × 10¹⁶ | 5% | 5.2 h | | 140 | गाम्बिया | 28.22 लाख | 1.1 × 10¹⁶ | 4.5% | 4.7 h | | 141 | गैबॉन | 25.93 लाख | 9.9 × 10¹⁵ | 4.4% | 4.6 h | | 142 | बोत्सवाना | 25.62 लाख | 1.3 × 10¹⁶ | 5.7% | 6 h | | 143 | लेसोथो | 23.63 लाख | 9.5 × 10¹⁵ | 4.7% | 4.9 h | | 144 | मोल्दोवा | 23.61 लाख | 1.5 × 10¹⁶ | 7.3% | 7.6 h | | 145 | अल्बानिया | 23.5 लाख | 1.2 × 10¹⁶ | 5.7% | 6 h | | 146 | गिनी-बिसाऊ | 22.5 लाख | 5.7 × 10¹⁵ | 2.9% | 3.1 h | | 147 | स्लोवेनिया | 21.31 लाख | 1.2 × 10¹⁶ | 6.6% | 6.9 h | | 148 | इक्वेटोरियल गिनी | 19.38 लाख | 4 × 10¹⁵ | 2.4% | 2.5 h | | 149 | लातविया | 18.48 लाख | 1.2 × 10¹⁶ | 7.6% | 7.9 h | | 150 | उत्तरी मैसेडोनिया | 18.21 लाख | 9.2 × 10¹⁵ | 5.9% | 6.2 h | | 151 | बहरीन | 16 लाख | 5.9 × 10¹⁵ | 4.3% | 4.5 h | | 152 | कोसोवो | 15.77 लाख | 8 × 10¹⁵ | 5.9% | 6.2 h | | 153 | तिमोर-लेस्ते | 14.19 लाख | 8 × 10¹⁵ | 6.6% | 6.9 h | | 154 | साइप्रस | 13.71 लाख | 5.5 × 10¹⁵ | 4.7% | 4.9 h | | 155 | त्रिनिदाद और टोबैगो | 13.68 लाख | 9.3 × 10¹⁵ | 7.9% | 8.2 h | | 156 | एस्टोनिया | 13.66 लाख | 8.3 × 10¹⁵ | 7% | 7.4 h | | 157 | एस्वातिनी | 12.56 लाख | 7.5 × 10¹⁵ | 6.9% | 7.2 h | | 158 | मॉरीशस | 12.44 लाख | 5.1 × 10¹⁵ | 4.8% | 5 h | | 159 | जिबूती | 11.84 लाख | 4.6 × 10¹⁵ | 4.5% | 4.8 h | | 160 | फ़िजी | 933,154 | 5.6 × 10¹⁵ | 7% | 7.4 h | | 161 | कोमोरोस | 882,847 | 3.5 × 10¹⁵ | 4.6% | 4.8 h | | 162 | सोलोमन द्वीप | 838,645 | 3.2 × 10¹⁵ | 4.4% | 4.6 h | | 163 | गुयाना | 835,986 | 4.6 × 10¹⁵ | 6.4% | 6.7 h | | 164 | भूटान | 796,682 | 5.8 × 10¹⁵ | 8.5% | 8.9 h | | 165 | लक्ज़मबर्ग | 686,970 | 2.4 × 10¹⁵ | 4% | 4.2 h | | 166 | सूरीनाम | 639,850 | 3.7 × 10¹⁵ | 6.7% | 7.1 h | | 167 | मोंटेनेग्रो | 623,129 | 4.3 × 10¹⁵ | 8.1% | 8.5 h | | 168 | Malta | 579,704 | 3.1 × 10¹⁵ | 6.2% | 6.5 h | | 169 | मालदीव | 529,676 | 4.7 × 10¹⁵ | 10% | 10.8 h | | 170 | केप वर्डे | 527,326 | 3.3 × 10¹⁵ | 7.2% | 7.6 h | | 171 | ब्रुनेई | 466,330 | 3.6 × 10¹⁵ | 8.9% | 9.3 h | | 172 | बेलीज़ | 422,924 | 1.1 × 10¹⁵ | 2.9% | 3.1 h | | 173 | बहामास | 403,033 | 2.2 × 10¹⁵ | 6.4% | 6.7 h | | 174 | आइसलैंड | 392,404 | 2.5 × 10¹⁵ | 7.4% | 7.7 h | | 175 | वानुअतु | 335,169 | 2 × 10¹⁵ | 6.9% | 7.3 h | | 176 | बारबाडोस | 282,623 | 1.5 × 10¹⁵ | 6% | 6.3 h | | 177 | साओ तोमे और प्रिंसिपे | 240,254 | 1.1 × 10¹⁵ | 5.4% | 5.7 h | | 178 | समोआ | 219,306 | 1.1 × 10¹⁵ | 5.7% | 5.9 h | | 179 | सेंट लूसिया | 180,149 | 9.3 × 10¹⁴ | 6% | 6.3 h | | 180 | किरिबाती | 136,488 | 7.6 × 10¹⁴ | 6.4% | 6.7 h | | 181 | सेशेल्स | 122,730 | 8.9 × 10¹⁴ | 8.4% | 8.8 h | | 182 | ग्रेनाडा | 117,303 | 7.3 × 10¹⁴ | 7.2% | 7.5 h | | 183 | माइक्रोनेशिया | 113,683 | 5.7 × 10¹⁴ | 5.8% | 6.1 h | | 184 | टोंगा | 103,742 | 5.9 × 10¹⁴ | 6.6% | 6.9 h | | 185 | सेंट विंसेंट और ग्रेनेडाइंस | 99,924 | 4.9 × 10¹⁴ | 5.7% | 5.9 h | | 186 | एंटीगुआ और बारबुडा | 94,209 | 6.5 × 10¹⁴ | 8% | 8.3 h | | 187 | अंडोरा | 82,904 | 3.9 × 10¹⁴ | 5.5% | 5.8 h | | 188 | डोमिनिका | 65,871 | 2.3 × 10¹⁴ | 4.1% | 4.3 h | | 189 | सेंट किट्स और नेविस | 46,922 | 2.1 × 10¹⁴ | 5.2% | 5.5 h | | 190 | लिकटेंस्टाइन | 41,024 | 2 × 10¹⁴ | 5.7% | 5.9 h | | 191 | मोनाको | 38,341 | 2.3 × 10¹⁴ | 6.9% | 7.3 h | | 192 | मार्शल द्वीप | 36,282 | 3.3 × 10¹⁴ | 10% | 10.9 h | | 193 | सैन मरीनो | 34,109 | 1.3 × 10¹⁴ | 4.6% | 4.8 h | | 194 | पलाऊ | 17,663 | 1.6 × 10¹⁴ | 10% | 11 h | | 195 | नाउरू | 12,025 | 9.3 × 10¹³ | 9% | 9.4 h | | 196 | तुवालु | 9,492 | 8 × 10¹³ | 9.8% | 10.2 h | [क्या गिना जाता है, और क्या नहीं](https://simulation-hypothesis.com/hi/entities/control). ## राजनीतिक दल: सदस्य, और उनके निर्देशों का पालन करते न्यूरॉन सदस्य उसके निर्देशों का पालन पार्टी जैसे सदस्य बताती है, वैसे सदस्य, लघुगणकीय पैमाने पर। ठोस पट्टियाँ गिनतियाँ हैं; धारीदार पट्टियाँ अनुमान या दावे हैं। 1. भारतीय जनता पार्टी (भारत)▲1 14 करोड़ 2. चीनी कम्युनिस्ट पार्टी▼1 10.13 करोड़ 3. डेमोक्रेटिक पार्टी (अमेरिका)▲13 4.49 करोड़ 4. रिपब्लिकन पार्टी (अमेरिका)▲16 3.8 करोड़ 5. भारतीय राष्ट्रीय कांग्रेस▼2 2.6 करोड़ 6. AIADMK (भारत)▼2 2 करोड़ 7. DMK (भारत)▼2 2 करोड़ 8. Prosperity Party (इथियोपिया)▼1 1.57 करोड़ 9. TVK (भारत)▼1 1.5 करोड़ 10. Chama Cha Mapinduzi (तंज़ानिया)▼1 1.3 करोड़ 11. All Progressives Congress (नाइजीरिया)▼1 1.29 करोड़ 12. AK Party (तुर्की)▼1 1.17 करोड़ 13. Morena (मेक्सिको)▼1 1.16 करोड़ 14. तेलुगु देशम पार्टी (भारत)▼1 1.01 करोड़ 15. कंबोडियन पीपल्स पार्टी▼1 70 लाख सभी 59 दिखाएँ 10^4 10^5 10^6 10^7 10^8 10^9 सदस्य संख्याएँ दिखाएँ | # | पार्टी | सदस्य | उसके निर्देशों का पालन | निर्देशित हिस्सा | हफ़्ते के घंटे | | -- | ------------------------------------------- | ----------- | ---------------------- | ---------------- | -------------- | | 1 | भारतीय जनता पार्टी (भारत) | 14 करोड़ | 6.3 × 10¹⁶ | 0.52% (प्रॉक्सी) | 0.6 h | | 2 | चीनी कम्युनिस्ट पार्टी | 10.13 करोड़ | 8.2 × 10¹⁶ | 0.94% | 1 h | | 3 | डेमोक्रेटिक पार्टी (अमेरिका) | 4.49 करोड़ | 2.3 × 10¹⁵ | 0.06% | 0.1 h | | 4 | रिपब्लिकन पार्टी (अमेरिका) | 3.8 करोड़ | 2 × 10¹⁵ | 0.06% | 0.1 h | | 5 | भारतीय राष्ट्रीय कांग्रेस | 2.6 करोड़ | 1.2 × 10¹⁶ | 0.52% (प्रॉक्सी) | 0.6 h | | 6 | AIADMK (भारत) | 2 करोड़ | 9 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 7 | DMK (भारत) | 2 करोड़ | 9 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 8 | Prosperity Party (इथियोपिया) | 1.57 करोड़ | 7 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 9 | TVK (भारत) | 1.5 करोड़ | 6.7 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 10 | Chama Cha Mapinduzi (तंज़ानिया) | 1.3 करोड़ | 5.8 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 11 | All Progressives Congress (नाइजीरिया) | 1.29 करोड़ | 5.8 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 12 | AK Party (तुर्की) | 1.17 करोड़ | 5.2 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 13 | Morena (मेक्सिको) | 1.16 करोड़ | 5.2 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 14 | तेलुगु देशम पार्टी (भारत) | 1.01 करोड़ | 4.5 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 15 | कंबोडियन पीपल्स पार्टी | 70 लाख | 3.1 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 16 | वर्कर्स पार्टी ऑफ़ कोरिया | 61.75 लाख | 7.6 × 10¹⁵ | 1.4% | 1.5 h | | 17 | FRELIMO (मोज़ाम्बिक) | 60 लाख | 2.7 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 18 | वियतनाम की कम्युनिस्ट पार्टी | 56 लाख | 2.1 × 10¹⁵ | 0.44% | 0.5 h | | 19 | कोरिया की डेमोक्रेटिक पार्टी | 49.96 लाख | 2.2 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 20 | पीपल पावर पार्टी (दक्षिण कोरिया) | 44.4 लाख | 2 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 21 | PSUV (वेनेज़ुएला) | 42.4 लाख | 1.9 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 22 | ZANU-PF (ज़िम्बाब्वे) | 40.58 लाख | 1.8 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 23 | UMNO (मलेशिया) | 32.51 लाख | 1.5 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 24 | Justicialist Party (अर्जेंटीना) | 31.02 लाख | 1.4 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 25 | Colorado Party (पैराग्वे) | 30 लाख | 1.3 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 26 | यूनाइटेड रशिया | 26 लाख | 1.2 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 27 | UzLiDeP (उज़्बेकिस्तान) | 23.08 लाख | 1 × 10¹⁵ | 0.52% (प्रॉक्सी) | 0.6 h | | 28 | PLD (डोमिनिकन गणराज्य) | 21.77 लाख | 9.7 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 29 | MDB (ब्राज़ील) | 20.18 लाख | 9 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 30 | CHP (तुर्की) | 18.8 लाख | 8.4 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 31 | Radical Civic Union (अर्जेंटीना) | 17.94 लाख | 8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 32 | Workers’ Party, PT (ब्राज़ील) | 16.66 लाख | 7.5 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 33 | PRM (डोमिनिकन गणराज्य) | 15.52 लाख | 6.9 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 34 | Authentic Radical Liberal Party (पैराग्वे) | 15.48 लाख | 6.9 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 35 | Partido Federal ng Pilipinas | 15 लाख | 6.7 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 36 | PAS (मलेशिया) | 13 लाख | 5.8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 37 | PRD (ब्राज़ील) | 12.92 लाख | 5.8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 38 | Progressistas (ब्राज़ील) | 12.86 लाख | 5.8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 39 | PSDB (ब्राज़ील) | 12.61 लाख | 5.6 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 40 | PKR (मलेशिया) | 11.53 लाख | 5.2 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 41 | Economic Freedom Fighters (दक्षिण अफ़्रीका) | 10.86 लाख | 4.9 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 42 | PDT (ब्राज़ील) | 10.73 लाख | 4.8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 43 | União Brasil | 10.67 लाख | 4.8 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 44 | CPI(M) (भारत) | 10.19 लाख | 4.6 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 45 | लिबरल डेमोक्रेटिक पार्टी (जापान) | 10.03 लाख | 4.5 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 46 | FLN (अल्जीरिया) | 10 लाख | 4.5 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 47 | Liberal Party, PL (ब्राज़ील) | 952,881 | 4.3 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 48 | क्यूबा की कम्युनिस्ट पार्टी | 700,000 | 2.7 × 10¹⁴ | 0.44% | 0.5 h | | 49 | अफ़्रीकन नेशनल कांग्रेस | 688,454 | 3.1 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 50 | कनाडा की कंज़र्वेटिव पार्टी | 678,708 | 2.7 × 10¹⁴ | 0.46% | 0.5 h | | 51 | CDU (जर्मनी) | 364,202 | 1.6 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 52 | SPD (जर्मनी) | 357,116 | 1.6 × 10¹⁴ | 0.52% (प्रॉक्सी) | 0.6 h | | 53 | लेबर पार्टी (ब्रिटेन) | 333,235 | 1.6 × 10¹⁴ | 0.55% | 0.6 h | | 54 | कनाडा की लिबरल पार्टी | 163,836 | 6.5 × 10¹³ | 0.46% | 0.5 h | | 55 | ग्रीन्स (जर्मनी) | 155,296 | 7 × 10¹³ | 0.52% (प्रॉक्सी) | 0.6 h | | 56 | CSU (जर्मनी) | 125,153 | 5.6 × 10¹³ | 0.52% (प्रॉक्सी) | 0.6 h | | 57 | कंज़र्वेटिव पार्टी (ब्रिटेन) | 123,000 | 3.7 × 10¹³ | 0.35% | 0.4 h | | 58 | न्यू डेमोक्रेटिक पार्टी (कनाडा) | 100,542 | 4 × 10¹³ | 0.46% | 0.5 h | | 59 | AfD (जर्मनी) | 51,335 | 2.3 × 10¹³ | 0.52% (प्रॉक्सी) | 0.6 h | [बैठकें, सर्वेक्षण और स्रोत](https://simulation-hypothesis.com/hi/entities/control). ## निगम: कर्मचारी, और उनके निर्देशों का पालन करते न्यूरॉन कर्मचारी उसके निर्देशों का पालन ताज़ा वार्षिक रिपोर्ट या सूची में कर्मचारी, रैखिक पैमाने पर। 1. Walmart 21 लाख 2. Amazon▲1 15.76 लाख 3. State Grid▼1 13.61 लाख 4. China National Petroleum 10.26 लाख 5. JD.com 951,420 6. BYD▲1 869,622 7. Accenture▼1 779,000 8. Allied Universal▲3 770,000 9. China Post Group▼1 719,448 10. Russian Railways (RZD)▲2 677,363 11. Volkswagen Group▲6 662,942 12. Foxconn (Hon Hai)▼2 633,167 13. Schwarz Group▲16 604,000 14. Compass Group▲18 590,000 15. Tata Consultancy Services▼6 584,510 सभी 71 दिखाएँ 0 0.5M 1M 1.5M 2M 2.5M employees संख्याएँ दिखाएँ | # | कंपनी | कर्मचारी | उसके निर्देशों का पालन | हफ़्ते के घंटे | निर्देशित हिस्सा | | -- | ------------------------------------ | --------- | ---------------------- | ------------------------------- | ---------------- | | 1 | Walmart | 21 लाख | 6.3 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 2 | Amazon | 15.76 लाख | 4.7 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 3 | State Grid | 13.61 लाख | 5.5 × 10¹⁶ | 49 h (चीन) | 47% | | 4 | China National Petroleum | 10.26 लाख | 4.1 × 10¹⁶ | 49 h (चीन) | 47% | | 5 | JD.com | 951,420 | 3.8 × 10¹⁶ | 49 h (चीन) | 47% | | 6 | BYD | 869,622 | 3.5 × 10¹⁶ | 49 h (चीन) | 47% | | 7 | Accenture | 779,000 | 3.7 × 10¹⁶ | 57.58 h (भारत) | 55% | | 8 | Allied Universal | 770,000 | 2.3 × 10¹⁶ | 36.52 h (संयुक्त राज्य अमेरिका) | 35% | | 9 | China Post Group | 719,448 | 2.9 × 10¹⁶ | 49 h (चीन) | 47% | | 10 | Russian Railways (RZD) | 677,363 | 2.2 × 10¹⁶ | 39.96 h (रूस) | 38% | | 11 | Volkswagen Group | 662,942 | 2 × 10¹⁶ | 35.95 h (जर्मनी) | 34% | | 12 | Foxconn (Hon Hai) | 633,167 | 2.5 × 10¹⁶ | 49 h (चीन) | 47% | | 13 | Schwarz Group | 604,000 | 1.6 × 10¹⁶ | 31.49 h (जर्मनी) | 30% | | 14 | Compass Group | 590,000 | 1.5 × 10¹⁶ | 31.7 h (संयुक्त राज्य अमेरिका) | 30% | | 15 | Tata Consultancy Services | 584,510 | 2.8 × 10¹⁶ | 58.23 h (भारत) | 56% | | 16 | DHL Group | 583,998 | 1.7 × 10¹⁶ | 35.81 h (जर्मनी) | 34% | | 17 | Sinopec | 513,434 | 2.1 × 10¹⁶ | 49 h (चीन) | 47% | | 18 | Gazprom | 501,000 | 1.7 × 10¹⁶ | 40.47 h (रूस) | 39% | | 19 | FedEx | 474,200 | 1.6 × 10¹⁶ | 39.98 h (संयुक्त राज्य अमेरिका) | 38% | | 20 | Home Depot | 470,000 | 1.4 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 21 | China Mobile | 468,496 | 1.9 × 10¹⁶ | 49 h (चीन) | 47% | | 22 | UPS | 460,000 | 1.5 × 10¹⁶ | 39.98 h (संयुक्त राज्य अमेरिका) | 38% | | 23 | Agricultural Bank of China | 457,835 | 1.8 × 10¹⁶ | 49 h (चीन) | 47% | | 24 | Concentrix | 455,000 | 1.7 × 10¹⁶ | 46.71 h (फ़िलीपींस) | 45% | | 25 | Teleperformance | 446,716 | 2.2 × 10¹⁶ | 58.89 h (भारत) | 56% | | 26 | Jardine Matheson | 443,000 | 1.5 × 10¹⁶ | 41.93 h (इंडोनेशिया) | 40% | | 27 | Sodexo | 426,464 | 1.1 × 10¹⁶ | 31.7 h (संयुक्त राज्य अमेरिका) | 30% | | 28 | Capgemini | 423,400 | 2 × 10¹⁶ | 58.23 h (भारत) | 56% | | 29 | Reliance Industries | 419,911 | 2.1 × 10¹⁶ | 59.57 h (भारत) | 57% | | 30 | Edeka | 417,500 | 1.1 × 10¹⁶ | 31.49 h (जर्मनी) | 30% | | 31 | Luxshare Precision | 416,197 | 1.7 × 10¹⁶ | 49 h (चीन) | 47% | | 32 | Target | 415,000 | 1.2 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 33 | Marriott International | 414,000 | 1.1 × 10¹⁶ | 31.7 h (संयुक्त राज्य अमेरिका) | 30% | | 34 | Bosch | 412,400 | 1.2 × 10¹⁶ | 35.95 h (जर्मनी) | 34% | | 35 | ICBC | 409,758 | 1.6 × 10¹⁶ | 49 h (चीन) | 47% | | 36 | Kroger | 403,000 | 1.2 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 37 | China Resources | 397,398 | 1.6 × 10¹⁶ | 49 h (चीन) | 47% | | 38 | Magnit | 394,000 | 1.3 × 10¹⁶ | 39.69 h (रूस) | 38% | | 39 | Toyota | 390,927 | 1.3 × 10¹⁶ | 39.6 h (जापान) | 38% | | 40 | UnitedHealth Group | 390,000 | 1.2 × 10¹⁶ | 36.87 h (संयुक्त राज्य अमेरिका) | 35% | | 41 | X5 Group | 389,000 | 1.3 × 10¹⁶ | 39.69 h (रूस) | 38% | | 42 | Berkshire Hathaway | 387,800 | 1.2 × 10¹⁶ | 37.75 h (संयुक्त राज्य अमेरिका) | 36% | | 43 | AVIC | 384,000 | 1.5 × 10¹⁶ | 49 h (चीन) | 47% | | 44 | Ahold Delhaize | 384,000 | 1.1 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 45 | China Telecom | 381,436 | 1.5 × 10¹⁶ | 49 h (चीन) | 47% | | 46 | Starbucks | 381,000 | 9.9 × 10¹⁵ | 31.7 h (संयुक्त राज्य अमेरिका) | 30% | | 47 | Rewe Group | 380,000 | 9.8 × 10¹⁵ | 31.49 h (जर्मनी) | 30% | | 48 | China Construction Bank | 378,344 | 1.5 × 10¹⁶ | 49 h (चीन) | 47% | | 49 | TJX Companies | 377,000 | 1.1 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 50 | China State Construction Engineering | 370,272 | 1.5 × 10¹⁶ | 49 h (चीन) | 47% | | 51 | FEMSA | 368,776 | 1.4 × 10¹⁶ | 47.09 h (मेक्सिको) | 45% | | 52 | Japan Post Holdings | 360,000 | 1.2 × 10¹⁶ | 41.6 h (जापान) | 40% | | 53 | Tesco | 354,744 | 9.3 × 10¹⁵ | 31.81 h (यूनाइटेड किंगडम) | 30% | | 54 | Cognizant | 351,600 | 1.7 × 10¹⁶ | 58.23 h (भारत) | 56% | | 55 | NTT | 344,196 | 1.1 × 10¹⁶ | 40.2 h (जापान) | 38% | | 56 | Costco | 341,000 | 1 × 10¹⁶ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 57 | Infosys | 328,594 | 1.6 × 10¹⁶ | 58.23 h (भारत) | 56% | | 58 | ISS | 325,000 | 1.6 × 10¹⁶ | 58.89 h (भारत) | 56% | | 59 | Securitas | 322,000 | 9.7 × 10¹⁵ | 36.52 h (संयुक्त राज्य अमेरिका) | 35% | | 60 | HCA Healthcare | 320,000 | 9.7 × 10¹⁵ | 36.87 h (संयुक्त राज्य अमेरिका) | 35% | | 61 | Rosneft | 320,000 | 1.1 × 10¹⁶ | 40.47 h (रूस) | 39% | | 62 | JPMorgan Chase | 318,512 | 1.1 × 10¹⁶ | 40.14 h (संयुक्त राज्य अमेरिका) | 38% | | 63 | Siemens | 318,000 | 9.4 × 10¹⁵ | 35.95 h (जर्मनी) | 34% | | 64 | Bank of China | 313,746 | 1.3 × 10¹⁶ | 49 h (चीन) | 47% | | 65 | Walgreens Boots Alliance | 312,000 | 9.3 × 10¹⁵ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | | 66 | PepsiCo | 306,000 | 1 × 10¹⁶ | 40.7 h (संयुक्त राज्य अमेरिका) | 39% | | 67 | China Railway Construction (CRCC) | 304,927 | 1.2 × 10¹⁶ | 49 h (चीन) | 47% | | 68 | CHN Energy (China Energy Investment) | 303,418 | 1.2 × 10¹⁶ | 49 h (चीन) | 47% | | 69 | China Railway Group (CREC) | 302,527 | 1.2 × 10¹⁶ | 49 h (चीन) | 47% | | 70 | CK Hutchison | 300,000 | 8.6 × 10¹⁵ | 35.08 h (यूनाइटेड किंगडम) | 33% | | 71 | CVS Health | 300,000 | 8.9 × 10¹⁵ | 36.3 h (संयुक्त राज्य अमेरिका) | 35% | [घंटे और स्रोत](https://simulation-hypothesis.com/hi/entities/control). ## जानवर और अन्य जीव बिना न्यूरॉन वाली अकेली कोशिकाओं से लेकर इंसानी मस्तिष्क तक। जहाँ न्यूरॉन की गिनतियाँ मौजूद हैं, वहाँ वे मापी हुई हैं। ### कोई न्यूरॉन नहीं * [Escherichia coli](https://simulation-hypothesis.com/hi/entities/ecoli)Escherichia coli 0 मापा गया एक अकेली कोशिका, जिसमें कोई न्यूरॉन नहीं। वह भोजन की ओर मुड़ती है और उसकी रासायनिक स्मृति कुछ सेकंड टिकती है। * [स्लाइम मोल्ड](https://simulation-hypothesis.com/hi/entities/physarum)Physarum polycephalum 0 मापा गया एक अकेली विशाल कोशिका, जिसमें कोई न्यूरॉन नहीं। वह भूलभुलैया हल करती है और कुशल परिवहन-जाल उगाती है। * [छुईमुई](https://simulation-hypothesis.com/hi/entities/mimosa)Mimosa pudica 0 मापा गया एक पौधा जिसकी पत्तियाँ छूने पर मुड़ जाती हैं। एक अध्ययन ने बताया कि वह हानिरहित स्पर्शों को अनदेखा करना सीख लेता है। बाद के पुनर्विश्लेषण ने इसे चुनौती दी। * [स्पंज](https://simulation-hypothesis.com/hi/entities/sponge)Porifera (e.g. Amphimedon queenslandica) 0 मापा गया बिना न्यूरॉन या सिनेप्स वाला एक जंतु, जो फिर भी पूरे शरीर को समन्वित ढंग से सिकोड़ता है। ### तंत्रिका-जाल, कोई मस्तिष्क नहीं * [हाइड्रा](https://simulation-hypothesis.com/hi/entities/hydra)Hydra vulgaris लगभग 3,000 से 5,000 अनुमान मीठे पानी का एक छोटा निडेरियन। उसे एक बिखरा हुआ तंत्रिका-जाल नियंत्रित करता है और उसका कोई मस्तिष्क नहीं। * [बॉक्स जेलीफ़िश](https://simulation-hypothesis.com/hi/entities/jellyfish)Tripedalia cystophora कोई प्रकाशित गिनती नहीं बॉक्स जेलीफ़िश में कोई केंद्रीय मस्तिष्क नहीं होता, फिर भी उसने साहचर्य सीखना दिखाया। ### मस्तिष्क वाले अकशेरुकी * [गोल कृमि](https://simulation-hypothesis.com/hi/entities/celegans)Caenorhabditis elegans 302 मापा गया लगभग एक मिलीमीटर लंबा कृमि, जिसमें ठीक 302 न्यूरॉन हैं। वह पहला जंतु था जिसका पूरा वायरिंग-आरेख बनाया गया। * [फल की मक्खी](https://simulation-hypothesis.com/hi/entities/drosophila)Drosophila melanogaster 139,255 मापा गया अब तक बना सबसे बड़ा पूरा मस्तिष्क वायरिंग-आरेख, जिसमें लगभग 1,39,000 न्यूरॉन आते हैं। * [मधुमक्खी](https://simulation-hypothesis.com/hi/entities/honeybee)Apis mellifera लगभग 10 लाख अनुमान लगभग 10 लाख न्यूरॉन, और मधुमक्खियाँ समान और अलग जैसी अमूर्त अवधारणाएँ सीख सकती हैं। * [चींटी (Camponotus / Formica)](https://simulation-hypothesis.com/hi/entities/ant)Camponotus spp. कोई प्रकाशित गिनती नहीं एक छोटा मस्तिष्क जो कदम गिनकर (पाथ इंटीग्रेशन) और निशानों को याद रखकर लंबी दूरी की दिशा-खोज सँभालता है। * [पोर्शिया कूदने वाली मकड़ी](https://simulation-hypothesis.com/hi/entities/portia)Portia fimbriata / labiata कोई प्रकाशित गिनती नहीं एक कूदने वाली मकड़ी जो घुमावदार रास्तों की योजना बनाती है। वह ऐसे रास्ते चुनती है जो शिकार से दूर और नज़र से ओझल ले जाते हैं। * [तटीय केकड़ा / क्रेफ़िश](https://simulation-hypothesis.com/hi/entities/decapod)Carcinus maenas; Procambarus / Astacus spp. कोई प्रकाशित गिनती नहीं केकड़े और क्रेफ़िश। 2021 की एक सरकारी समीक्षा ने पाया कि असली केकड़ों के संवेदनशील होने के मज़बूत प्रमाण हैं। * [आम ऑक्टोपस](https://simulation-hypothesis.com/hi/entities/octopus)Octopus vulgaris 50 करोड़ अनुमान इसके ज़्यादातर न्यूरॉन भुजाओं में हैं। 2021 की एक समीक्षा ने पाया कि इसके संवेदनशील होने के बहुत मज़बूत प्रमाण हैं। ### मछलियाँ और उभयचर * [ज़ेब्राफ़िश](https://simulation-hypothesis.com/hi/entities/zebrafish)Danio rerio कोई प्रकाशित गिनती नहीं एक छोटी मछली जो तंत्रिका विज्ञान में बड़े पैमाने पर इस्तेमाल होती है। उसके न्यूरॉन पूरी तरह गिने नहीं गए हैं। वयस्क मस्तिष्क में लगभग 1 करोड़ कोशिकाएँ हैं। * [क्लीनर रास](https://simulation-hypothesis.com/hi/entities/wrasse)Labroides dimidiatus कोई प्रकाशित गिनती नहीं प्रवाल-भित्ति की एक मछली जो शीशे पर निशान वाले परीक्षण के एक रूप में सफल रही। इससे क्या साबित होता है, इस पर लोग असहमत हैं। * [मेंढक](https://simulation-hypothesis.com/hi/entities/frog)Anura (e.g. Xenopus / Rana) कोई प्रकाशित गिनती नहीं 2024 की न्यूयॉर्क घोषणा कहती है कि उभयचरों में चेतन अनुभव की यथार्थपरक संभावना है। ### पक्षी * [कबूतर](https://simulation-hypothesis.com/hi/entities/pigeon)Columba livia 31 करोड़ मापा गया एक छोटे मस्तिष्क में दसियों करोड़ न्यूरॉन। कबूतर जटिल छवियों को श्रेणियों में छाँट सकते हैं। * [आम कौआ](https://simulation-hypothesis.com/hi/entities/raven)Corvus corax 2.17 अरब मापा गया दो अरब से ज़्यादा न्यूरॉन, घने ठुँसे हुए। रेवेन अलग-अलग प्रतिद्वंद्वियों को याद रखते हैं। * [न्यू कैलेडोनियाई कौआ](https://simulation-hypothesis.com/hi/entities/nccrow)Corvus moneduloides कोई प्रकाशित गिनती नहीं वह टहनियों और तार से हुक वाले औज़ार बनाता है। उसके न्यूरॉन गिने नहीं गए हैं। * [अफ़्रीकी ग्रे तोता](https://simulation-hypothesis.com/hi/entities/greyparrot)Psittacus erithacus 1.57 अरब मापा गया लगभग 1.6 अरब न्यूरॉन। संख्या-बोध और वर्गीकरण पर दशकों का प्रयोगशाला अध्ययन। ### Mammals * [चूहा](https://simulation-hypothesis.com/hi/entities/mouse)Mus musculus 7.09 करोड़ मापा गया लगभग 7.1 करोड़ न्यूरॉन। चूहे दर्द के चेहरे के भाव दिखाते हैं जिन्हें मापा जा सकता है। * [चूहा](https://simulation-hypothesis.com/hi/entities/rat)Rattus norvegicus 20 करोड़ मापा गया लगभग 20 करोड़ न्यूरॉन। चूहे फँसे हुए पिंजरे के साथियों को छुड़ाते हैं। * [घरेलू बिल्ली](https://simulation-hypothesis.com/hi/entities/cat)Felis catus 1.22 अरब मापा गया प्रमस्तिष्क कॉर्टेक्स में लगभग 25 करोड़ न्यूरॉन। * [घरेलू कुत्ता](https://simulation-hypothesis.com/hi/entities/dog)Canis familiaris कुत्ते के हिसाब से 1.8 से 2.6 अरब मापा गया कुत्ते के हिसाब से लगभग 60 करोड़ कॉर्टिकल न्यूरॉन तक। यह बिल्लियों से ज़्यादा है। * [घरेलू सूअर](https://simulation-hypothesis.com/hi/entities/pig)Sus scrofa domesticus 2.22 अरब मापा गया सूअर सीखते हैं कि शीशा क्या दिखाता है और उससे भोजन ढूँढते हैं। * [बॉटलनोज़ डॉल्फ़िन](https://simulation-hypothesis.com/hi/entities/dolphin)Tursiops truncatus कोई प्रकाशित गिनती नहीं शीशे में खुद को पहचानने के परीक्षण पास करती है। बॉटलनोज़ डॉल्फ़िन के लिए न्यूरॉन की कोई मापी हुई गिनती नहीं है। * [अफ़्रीकी हाथी](https://simulation-hypothesis.com/hi/entities/elephant)Loxodonta africana 257 अरब मापा गया 257 अरब न्यूरॉन, इंसान से तीन गुना, लगभग सारे सेरिबेलम में। * [चिंपांज़ी](https://simulation-hypothesis.com/hi/entities/chimp)Pan troglodytes लगभग 28 अरब (पैमाने के नियमों से अनुमानित, गिना नहीं गया) अनुमान हमारे दो सबसे करीबी जीवित रिश्तेदारों में से एक (बोनोबो के साथ)। यह शीशा परीक्षण पास करता है। * [इंसान](https://simulation-hypothesis.com/hi/entities/human)Homo sapiens 86.1 अरब मापा गया 86 अरब न्यूरॉन, जिनमें से 16 अरब प्रमस्तिष्क कॉर्टेक्स में हैं। हम अकेली प्रजाति हैं जिसके सदस्य अपने अनुभव का मौखिक ब्योरा दे सकते हैं। ## सामूहिक प्रणालियाँ ऐसे समूह जो ऐसे फ़ैसले लेते हैं जो कोई अकेला सदस्य नहीं ले सकता। उनका अध्ययन सामूहिक बुद्धि के रूप में होता है, मनों के रूप में नहीं। * [चींटियों की कॉलोनियाँ](https://simulation-hypothesis.com/hi/entities/c-ants)कॉलोनियाँ बेहतर घोंसला इसलिए चुनती हैं कि हर चींटी कोरम की एक सीमा का पालन करती है। कोई चींटी जगहों की कुल तुलना नहीं करती। * [मधुमक्खियों के झुंड](https://simulation-hypothesis.com/hi/entities/c-bees)झुंड खोजी मधुमक्खियों की होड़ और कोरम के ज़रिए सबसे अच्छी खोह चुनते हैं। रोकने वाले संकेत आपसी अवरोध देते हैं, जो गतिरोध तोड़ता है। * [स्टार्लिंग के झुंड](https://simulation-hypothesis.com/hi/entities/c-starlings)हर पक्षी पड़ोसियों की एक तय संख्या (लगभग 6-7) पर नज़र रखता है, एक तय दूरी के भीतर के हर पक्षी पर नहीं। इसे मीट्रिक नहीं, टोपोलॉजिकल अंतःक्रिया कहते हैं। * [मछलियों के झुंड](https://simulation-hypothesis.com/hi/entities/c-fish)झुंड कोरम के नियमों से फ़ैसला करते हैं। बड़े समूह पर्यावरण की ऐसी ढलानें भाँप सकते हैं जो कोई अकेली मछली नहीं भाँप सकती। ## कृत्रिम प्रणालियाँ मशीनी बुद्धि के प्रकार, इस हिसाब से छाँटे गए कि वे कैसे काम करते हैं। फ़िलहाल किसी प्रणाली को चेतना का मज़बूत उम्मीदवार नहीं माना जाता। * [नियम-आधारित विशेषज्ञ प्रणालियाँ](https://simulation-hypothesis.com/hi/entities/ai-expert)ऐसे प्रोग्राम जो किसी क्षेत्र-विशेषज्ञ का ज्ञान साफ़ अगर-तो नियमों के रूप में कूटबद्ध करते हैं। एक इन्फ़रेंस इंजन नियमों को क्रम से लगाकर निष्कर्ष तक पहुँचता है, आमतौर पर अपनी तर्क-प्रक्रिया की व्याख्या के साथ। * [गेम-ट्री सर्च इंजन (शतरंज)](https://simulation-hypothesis.com/hi/entities/ai-chess)ऐसे प्रोग्राम जो चालों के संभावित क्रमों को एक तय गहराई तक गिनते हैं और नतीजे में बनी स्थितियों को हाथ से बने मूल्यांकन-फ़ंक्शन से अंक देते हैं। वे उन शाखाओं को छाँट देते हैं जो चुनाव नहीं बदल सकतीं (अल्फ़ा-बीटा प्रूनिंग के साथ मिनिमैक्स)। * [डीप रीइनफ़ोर्समेंट लर्निंग एजेंट](https://simulation-hypothesis.com/hi/entities/ai-drl)न्यूरल नेटवर्क जिन्हें प्रयास और भूल से इनाम का संकेत अधिकतम करने के लिए प्रशिक्षित किया जाता है। वे किसी परिवेश से, अक्सर खेल जैसे सिमुलेटेड परिवेश से, अंतःक्रिया करके नीति या मूल्य-फ़ंक्शन सीखते हैं। * [बड़े भाषा मॉडल](https://simulation-hypothesis.com/hi/entities/ai-llm)ट्रांसफ़ॉर्मर न्यूरल नेटवर्क जिन्हें बहुत बड़े पाठ-संग्रहों में अगला टोकन अनुमान लगाने के लिए प्रशिक्षित किया जाता है, और फिर अक्सर इंसानी प्रतिक्रिया पर ट्यून किया जाता है। * [सशरीर रोबोट](https://simulation-hypothesis.com/hi/entities/ai-robots)सेंसर और एक्चुएटर वाली मशीनें जो भौतिक दुनिया में काम करती हैं। वे अक्सर किसी केंद्रीय विश्व-मॉडल की जगह परतदार प्रतिक्रियाशील नियंत्रण इस्तेमाल करती हैं, इसलिए बर्ताव शरीर और परिवेश के बीच के चक्र से उभरता है। * [न्यूरोमॉर्फिक हार्डवेयर](https://simulation-hypothesis.com/hi/entities/ai-neuromorphic)ऐसी चिप जिनके सर्किट स्पाइक करने वाले न्यूरॉन और सिनेप्स की नकल करते हैं। वे घटना-चालित होती हैं और पारंपरिक प्रोसेसर-और-मेमोरी डिज़ाइन के उलट बहुत कम बिजली लेती हैं। ## काल्पनिक मन वैज्ञानिक और दार्शनिक साहित्य में प्रस्तावित मन। किसी ने कभी कोई देखा नहीं। * [संपूर्ण-मस्तिष्क इमुलेशन](https://simulation-hypothesis.com/hi/entities/h-wbe)अप्रेक्षित मस्तिष्क को बारीक ब्योरे में स्कैन करना और उसका एक सॉफ़्टवेयर मॉडल चलाना। * [पूर्वज सिमुलेशनों में सिमुलेटेड मन](https://simulation-hypothesis.com/hi/entities/h-ancestor)अप्रेक्षित बॉस्ट्रॉम का त्रिलेम्मा: या तो लगभग कोई सभ्यता पोस्टह्यूमन अवस्था तक नहीं पहुँचती, या लगभग कोई पूर्वज सिमुलेशन नहीं चलाती, या हम लगभग निश्चित रूप से एक में रहते हैं। * [बोल्ट्ज़मान मस्तिष्क](https://simulation-hypothesis.com/hi/entities/h-boltzmann)अप्रेक्षित मस्तिष्क जैसे प्रेक्षक जो दुर्लभ तापीय या क्वांटम उतार-चढ़ावों से उभर आते हैं। * [धीरे-धीरे बदलाव से माइंड अपलोडिंग](https://simulation-hypothesis.com/hi/entities/h-uploading)अप्रेक्षित न्यूरॉन को एक-एक करके कार्य में समान कृत्रिम पुर्ज़ों से बदलना। * [सुपरइंटेलिजेंस](https://simulation-hypothesis.com/hi/entities/h-superintelligence)अप्रेक्षित एक काल्पनिक बुद्धि जो लगभग हर क्षेत्र में इंसानी प्रदर्शन से कहीं आगे हो। बॉस्ट्रॉम की किताब उस तक पहुँचने के रास्तों (संपूर्ण-मस्तिष्क इमुलेशन, जैविक संज्ञान, AI), उसके रूपों और नियंत्रण की समस्याओं का विश्लेषण करती है। डेटा संस्करण 2.0.0। [डाउनलोड (JSON)](https://simulation-hypothesis.com/entities/minds.json)।