Thực thể · tâm trí và những tâm trí có thể có, sắp xếp theo bằng chứng
Nếu thế giới là một mô phỏng, tâm trí có thể là một trong những thứ khó tính toán nhất trong đó. Cẩm nang này liệt kê các trường hợp đã biết, từ tế bào đơn lẻ đến con người. Nó cũng bao gồm các hệ thống nhân tạo đã được xây dựng cho đến nay, và những tâm trí mà các nhà khoa học và triết gia đã đề xuất nhưng chưa ai quan sát được.
Mọi con số đều có nguồn và nhãn độ tin cậy. đã đo là số đếm trực tiếp, ước tính được suy ra từ dữ liệu khác, và chưa được đếm nghĩa là chưa ai công bố số đếm. Việc có hệ thống nào trong số này có trải nghiệm hay không là một câu hỏi riêng. Bằng chứng cho điều đó nằm ở tiêu chí về khả năng cảm nhận và các chỉ báo ý thức.
Tâm trí cá thể
- Cá voi sát thủ †43,1 tỷ
- Cá voi hoa tiêu vây dài †37,2 tỷ
- Con người▲116,3 tỷ
- Cá heo cảng †14,9 tỷ
- Cá heo mũi chai †12,7 tỷ
- Cá voi mõm khoằm Cuvier9,1 tỷ
- Khỉ đột8,5 tỷ
- Đười ươi8,5 tỷ
- Tinh tinh7,4 tỷ
- Cá heo thường6,7 tỷ
- Hải cẩu đàn hạc6,1 tỷ
- Voi châu Phi▼15,6 tỷ
- Cá voi vây5,2 tỷ
- Cá voi xanh5,1 tỷ
- Cá voi minke3,2 tỷ
Hiện các con số
| # | Động vật | Vỏ não hoặc pallium | Toàn bộ não |
|---|---|---|---|
| 1 | Cá voi sát thủ † | 43,1 tỷ | |
| 2 | Cá voi hoa tiêu vây dài † | 37,2 tỷ | |
| 3 | Con người | 16,3 tỷ | 86,1 tỷ |
| 4 | Cá heo cảng † | 14,9 tỷ | |
| 5 | Cá heo mũi chai † | 12,7 tỷ | |
| 6 | Cá voi mõm khoằm Cuvier | 9,1 tỷ | |
| 7 | Khỉ đột | 8,5 tỷ | |
| 8 | Đười ươi | 8,5 tỷ | |
| 9 | Tinh tinh | 7,4 tỷ | |
| 10 | Cá heo thường | 6,7 tỷ | |
| 11 | Hải cẩu đàn hạc | 6,1 tỷ | |
| 12 | Voi châu Phi | 5,6 tỷ | 257 tỷ |
| 13 | Cá voi vây | 5,2 tỷ | |
| 14 | Cá voi xanh | 5,1 tỷ | |
| 15 | Cá voi minke | 3,2 tỷ | 57,4 tỷ |
| 16 | Khỉ đầu chó ô liu | 2,88 tỷ | 10,95 tỷ |
| 17 | Cá voi trắng beluga | 2,7 tỷ | |
| 18 | Cá voi nhà táng lùn | 2,02 tỷ | |
| 19 | Vẹt đuôi dài xanh vàng | 1,92 tỷ | 3,14 tỷ |
| 20 | Khỉ rhesus | 1,71 tỷ | 6,39 tỷ |
| 21 | Hươu cao cổ | 1,67 tỷ | 11,21 tỷ |
| 22 | Khỉ sóc | 1,34 tỷ | 3,25 tỷ |
| 23 | Cú đại bàng Á-Âu | 1,33 tỷ | 1,9 tỷ |
| 24 | Vẹt kea | 1,28 tỷ | 2,15 tỷ |
| 25 | Cú tuyết | 1,27 tỷ | 1,81 tỷ |
| 26 | Quạ thường | 1,2 tỷ | 2,17 tỷ |
| 27 | Cú mèo nâu | 1,15 tỷ | 1,58 tỷ |
| 28 | Khỉ mũ | 1,14 tỷ | 3,69 tỷ |
| 29 | Vẹt mào vàng lưu huỳnh | 1,14 tỷ | 2,12 tỷ |
| 30 | Vẹt xám châu Phi | 850 triệu | 1,57 tỷ |
| 31 | Quạ rook | 820 triệu | 1,51 tỷ |
| 32 | Linh dương kudu lớn | 793,07 triệu | 6,09 tỷ |
| 33 | Cú sừng | 673 triệu | 991,31 triệu |
| 34 | Vẹt mào Goffin | 599 triệu | 1,16 tỷ |
| 35 | Sư tử | 545,24 triệu | 4,67 tỷ |
| 36 | Đại bàng đuôi trắng | 542,93 triệu | 1,65 tỷ |
| 37 | Quạ xanh Á-Âu | 529 triệu | 1,09 tỷ |
| 38 | Chó nhà | 526 triệu | |
| 39 | Linh cẩu sọc | 495,28 triệu | 3,88 tỷ |
| 40 | Quạ gáy xám phương Tây | 492 triệu | 967,99 triệu |
| 41 | Đà điểu thường | 479,41 triệu | 1,63 tỷ |
| 42 | Chim ác là Á-Âu | 443 triệu | 897,27 triệu |
| 43 | Chim cắt saker | 442,95 triệu | 1,2 tỷ |
| 44 | Đà điểu Úc emu | 439 triệu | 1,34 tỷ |
| 45 | Gấu mèo | 437,94 triệu | 2,15 tỷ |
| 46 | Cú lợn | 437 triệu | 689,54 triệu |
| 47 | Cú mèo nhỏ | 400,82 triệu | 585,92 triệu |
| 48 | Kền kền đen | 398,9 triệu | 1,01 tỷ |
| 49 | Cú mèo lùn Á-Âu | 364 triệu | 533,26 triệu |
| 50 | Diều hâu buteo thường | 351,7 triệu | 1 tỷ |
| 51 | Đà điểu châu Mỹ lớn | 330,34 triệu | 1,03 tỷ |
| 52 | Thiên nga câm | 323,66 triệu | 1 tỷ |
| 53 | Lợn nhà | 293 triệu | 2,22 tỷ |
| 54 | Ngỗng xám | 258,65 triệu | 738,23 triệu |
| 55 | Gấu nâu | 250,97 triệu | 9,59 tỷ |
| 56 | Mèo nhà | 250 triệu | 1,22 tỷ |
| 57 | Khỉ marmoset thường | 245 triệu | 638 triệu |
| 58 | Cắt Âu thường | 237,9 triệu | 624,58 triệu |
| 59 | Vịt mòng két Á-Âu | 167,29 triệu | 375,41 triệu |
| 60 | Vẹt yến phụng | 149 triệu | 321,82 triệu |
| 61 | Ngỗng ngực đỏ | 148,62 triệu | 482,71 triệu |
| 62 | Vịt uyên ương Bắc Mỹ | 138,21 triệu | 305,82 triệu |
| 63 | Chim cắt lùn | 131,9 triệu | 350,37 triệu |
| 64 | Vịt đá cẩm thạch | 130,14 triệu | 386,92 triệu |
| 65 | Công Ấn Độ | 129,62 triệu | 570,93 triệu |
| 66 | Gà curassow mấu vàng | 124,62 triệu | 652,99 triệu |
| 67 | Bồ câu mào Victoria | 118,45 triệu | 578,7 triệu |
| 68 | Vịt trời | 112,26 triệu | 367,47 triệu |
| 69 | Gà tây hoang | 105,65 triệu | 492,87 triệu |
| 70 | Chim cắt sẻ Á-Âu | 87,83 triệu | 401,75 triệu |
| 71 | Trĩ Reeves | 80,69 triệu | 387,17 triệu |
| 72 | Bồ câu đá | 72 triệu | 310 triệu |
| 73 | Thỏ châu Âu | 71,5 triệu | 513 triệu |
| 74 | Gà rừng đỏ | 60,7 triệu | 220,84 triệu |
| 75 | Chim tinamou Chile | 59,13 triệu | 241,37 triệu |
| 76 | Chim di vằn | 55,2 triệu | 135,98 triệu |
| 77 | Chim tinamou mào thanh nhã | 51,38 triệu | 217,77 triệu |
| 78 | Bồ câu gỗ thường | 51,33 triệu | 258,68 triệu |
| 79 | Chim tinamou mào quebracho | 48,29 triệu | 235,67 triệu |
| 80 | Bồ câu cổ vòng châu Phi | 40 triệu | 139,27 triệu |
| 81 | Cút Bắc Mỹ | 39,11 triệu | 148,4 triệu |
| 82 | Gà gô xám | 36,88 triệu | 170,29 triệu |
| 83 | Chuột cống | 31 triệu | 200 triệu |
| 84 | Cút thường | 22,57 triệu | 117,76 triệu |
| 85 | Cút vua | 20,52 triệu | 80,48 triệu |
| 86 | Bồ câu kim cương | 18,21 triệu | 87,88 triệu |
| 87 | Chuột | 13,7 triệu | 70,9 triệu |
| 88 | Chuột chũi trần | 5,31 triệu | 33,62 triệu |
- Tân vỏ não người1.6 × 10¹⁴
- GPT-5.5 (OpenAI, 2026) *~4.7 × 10¹²
- Claude Fable 5 (Anthropic, 2026) *~3.5 × 10¹²
- Grok 3 (xAI, 2025)~3 × 10¹²
- Grok 4 (xAI, 2025)~3 × 10¹²
- Gemini 2.5 Pro (Google, 2025) *~3 × 10¹²
- Kimi K3 (Moonshot, 2026)~2.8 × 10¹²
- Qwen 3.8 Max (Alibaba, 2026)2.4 × 10¹²
- Qwen3.8-2.4T-A95B (Alibaba, 2026)2.4 × 10¹²
- Grok 4.7 (xAI, 2026) *~2.1 × 10¹²
- Llama 4 Behemoth (Meta AI, 2025)~2 × 10¹²
- GPT-4 (OpenAI, 2023)~1.8 × 10¹²
- DeepSeek-V4-Pro (DeepSeek, 2026)~1.6 × 10¹²
- LongCat-2.0 (Meituan Inc, 2026)~1.6 × 10¹²
- Switch (Google, 2021)1.6 × 10¹²
- GLaM (Google, 2021)1.2 × 10¹²
- PanGu-Σ (Huawei Noah's Ark Lab, 2023)1.1 × 10¹²
- Kimi K2.5 (Moonshot, 2026)~1 × 10¹²
- Composer 2 (Cursor, 2026)1 × 10¹²
- Kimi K2.6 (Moonshot, 2026)1 × 10¹²
- Composer 2.5 (Cursor, 2026)~1 × 10¹²
- MiMo-V2-Pro (Xiaomi Corp, 2026)1 × 10¹²
- MiMo-V2.5-Pro (Xiaomi Corp, 2026)~1 × 10¹²
- M6-T (Alibaba, 2021)~1 × 10¹²
- Kimi K2 (Moonshot, 2025)1 × 10¹²
- Qwen3-Max (Alibaba, 2025)~1 × 10¹²
- Ling-1T (Ant Group, 2025)1 × 10¹²
- Kimi K2 Thinking (Moonshot, 2025)~1 × 10¹²
- Inkling (Thinking Machines, 2026)~9.8 × 10¹¹
- Tencent Hy4 preview (Tencent, 2026)~7.7 × 10¹¹
- GLM-5.1 (Z.ai (Zhipu AI), 2026)7.5 × 10¹¹
- K-EXAONE 2.0 (LG AI Research, 2026)7.5 × 10¹¹
- DeepSeek V4.1 Flash (DeepSeek, 2026)~7.5 × 10¹¹
- GLM-5 (Z.ai (Zhipu AI), 2026)~7.4 × 10¹¹
- GLM-5.3 (Z.ai (Zhipu AI), 2026)7.4 × 10¹¹
- A.X K2 (SK Telecom, 2026)6.9 × 10¹¹
- DeepSeekMath-V2 (DeepSeek, 2025)6.8 × 10¹¹
- Mistral Large 3 (Mistral AI, 2025)6.8 × 10¹¹
- DeepSeek-V3 (DeepSeek, 2024)6.7 × 10¹¹
- DeepSeek-R1 (DeepSeek, 2025)6.7 × 10¹¹
Hiện các con số
| # | Hệ thống | Tất cả tham số | Dùng cho mỗi token | Năm | Loại |
|---|---|---|---|---|---|
| 1 | Tân vỏ não người | 1.6 × 10¹⁴ | 1.6 × 10¹⁴ | synapse | |
| 2 | GPT-5.5 (OpenAI, 2026) * | ~4.7 × 10¹² | 2026 | ước tính | |
| 3 | Claude Fable 5 (Anthropic, 2026) * | ~3.5 × 10¹² | 2026 | ước tính | |
| 4 | Grok 3 (xAI, 2025) | ~3 × 10¹² | 2025 | ước tính | |
| 5 | Grok 4 (xAI, 2025) | ~3 × 10¹² | 2025 | ước tính | |
| 6 | Gemini 2.5 Pro (Google, 2025) * | ~3 × 10¹² | 2025 | ước tính | |
| 7 | Kimi K3 (Moonshot, 2026) | ~2.8 × 10¹² | 2026 | ước tính | |
| 8 | Qwen 3.8 Max (Alibaba, 2026) | 2.4 × 10¹² | 2.4 × 10¹² | 2026 | không nêu kiến trúc |
| 9 | Qwen3.8-2.4T-A95B (Alibaba, 2026) | 2.4 × 10¹² | 9.5 × 10¹⁰ | 2026 | hỗn hợp chuyên gia |
| 10 | Grok 4.7 (xAI, 2026) * | ~2.1 × 10¹² | 2026 | ước tính | |
| 11 | Llama 4 Behemoth (Meta AI, 2025) | ~2 × 10¹² | 2025 | ước tính | |
| 12 | GPT-4 (OpenAI, 2023) | ~1.8 × 10¹² | 2023 | ước tính | |
| 13 | DeepSeek-V4-Pro (DeepSeek, 2026) | ~1.6 × 10¹² | 2026 | ước tính | |
| 14 | LongCat-2.0 (Meituan Inc, 2026) | ~1.6 × 10¹² | 2026 | ước tính | |
| 15 | Switch (Google, 2021) | 1.6 × 10¹² | 1.6 × 10¹² | 2021 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 16 | GLaM (Google, 2021) | 1.2 × 10¹² | 1.2 × 10¹² | 2021 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 17 | PanGu-Σ (Huawei Noah's Ark Lab, 2023) | 1.1 × 10¹² | 1.1 × 10¹² | 2023 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 18 | Kimi K2.5 (Moonshot, 2026) | ~1 × 10¹² | 2026 | ước tính | |
| 19 | Composer 2 (Cursor, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 20 | Kimi K2.6 (Moonshot, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 21 | Composer 2.5 (Cursor, 2026) | ~1 × 10¹² | 2026 | ước tính | |
| 22 | MiMo-V2-Pro (Xiaomi Corp, 2026) | 1 × 10¹² | 1 × 10¹² | 2026 | không nêu kiến trúc |
| 23 | MiMo-V2.5-Pro (Xiaomi Corp, 2026) | ~1 × 10¹² | 2026 | ước tính | |
| 24 | M6-T (Alibaba, 2021) | ~1 × 10¹² | 2021 | ước tính | |
| 25 | Kimi K2 (Moonshot, 2025) | 1 × 10¹² | 1 × 10¹² | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 26 | Qwen3-Max (Alibaba, 2025) | ~1 × 10¹² | 2025 | ước tính | |
| 27 | Ling-1T (Ant Group, 2025) | 1 × 10¹² | 5 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 28 | Kimi K2 Thinking (Moonshot, 2025) | ~1 × 10¹² | 2025 | ước tính | |
| 29 | Inkling (Thinking Machines, 2026) | ~9.8 × 10¹¹ | 2026 | ước tính | |
| 30 | Tencent Hy4 preview (Tencent, 2026) | ~7.7 × 10¹¹ | 2026 | ước tính | |
| 31 | GLM-5.1 (Z.ai (Zhipu AI), 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 32 | K-EXAONE 2.0 (LG AI Research, 2026) | 7.5 × 10¹¹ | 7.5 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 33 | DeepSeek V4.1 Flash (DeepSeek, 2026) | ~7.5 × 10¹¹ | 2026 | ước tính | |
| 34 | GLM-5 (Z.ai (Zhipu AI), 2026) | ~7.4 × 10¹¹ | 2026 | ước tính | |
| 35 | GLM-5.3 (Z.ai (Zhipu AI), 2026) | 7.4 × 10¹¹ | 4 × 10¹⁰ | 2026 | hỗn hợp chuyên gia |
| 36 | A.X K2 (SK Telecom, 2026) | 6.9 × 10¹¹ | 6.9 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 37 | DeepSeekMath-V2 (DeepSeek, 2025) | 6.8 × 10¹¹ | 6.8 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 38 | Mistral Large 3 (Mistral AI, 2025) | 6.8 × 10¹¹ | 4.1 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 39 | DeepSeek-V3 (DeepSeek, 2024) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2024 | hỗn hợp chuyên gia |
| 40 | DeepSeek-R1 (DeepSeek, 2025) | 6.7 × 10¹¹ | 3.7 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 41 | SenseChat 5.5 (SenseTime, 2024) | 6 × 10¹¹ | 6 × 10¹¹ | 2024 | không nêu kiến trúc |
| 42 | Step 5 Preview (StepFun, 2026) | ~6 × 10¹¹ | 2026 | ước tính | |
| 43 | PaLM-E (Google, 2023) | ~5.6 × 10¹¹ | 2023 | ước tính | |
| 44 | Hunyuan-TurboS (Tencent, 2025) | 5.6 × 10¹¹ | 5.6 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 45 | LongCat-Flash (Meituan Inc, 2025) | ~5.6 × 10¹¹ | 2025 | ước tính | |
| 46 | Nemotron 3 Ultra (Nvidia, 2026) | ~5.5 × 10¹¹ | 2026 | ước tính | |
| 47 | PaLM (Google Research, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | dày đặc |
| 48 | Minerva (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | dày đặc |
| 49 | U-PaLM (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | dày đặc |
| 50 | LMSI-Palm (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | dày đặc |
| 51 | Flan-PaLM 540B (Google, 2022) | 5.4 × 10¹¹ | 5.4 × 10¹¹ | 2022 | dày đặc |
| 52 | Megatron-Turing NLG 530B (Microsoft, 2021) | 5.3 × 10¹¹ | 5.3 × 10¹¹ | 2021 | dày đặc |
| 53 | MegaScale (ByteDance, 2024) | ~5.3 × 10¹¹ | 2024 | ước tính | |
| 54 | A.X K1 (SK Telecom, 2025) | 5.2 × 10¹¹ | 5.2 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 55 | Doubao-pro (ByteDance, 2024) | ~5 × 10¹¹ | 2024 | ước tính | |
| 56 | Grok 4.20 (xAI, 2026) | ~5 × 10¹¹ | 2026 | ước tính | |
| 57 | Qwen3-Coder-480B-A35B (Alibaba, 2025) | 4.8 × 10¹¹ | 3.5 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 58 | MiniMax-M3 (MiniMax, 2026) | 4.3 × 10¹¹ | 2.2 × 10¹⁰ | 2026 | hỗn hợp chuyên gia |
| 59 | ERNIE-4.5-VL-424B-A47B (Baidu, 2025) | 4.2 × 10¹¹ | 4.7 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 60 | Llama 3.1-405B (Meta AI, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | dày đặc |
| 61 | Llama 4 Maverick (Meta AI, 2025) | ~4 × 10¹¹ | 2025 | ước tính | |
| 62 | Jamba 1.5-Large (AI21 Labs, 2024) | 4 × 10¹¹ | 4 × 10¹¹ | 2024 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 63 | Qwen3.5 397B-A17B (Alibaba, 2026) | ~4 × 10¹¹ | 2026 | ước tính | |
| 64 | Hunyuan-Large (Tencent, 2024) | 3.9 × 10¹¹ | 3.9 × 10¹¹ | 2024 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 65 | GLM-4.7 (Z.ai (Zhipu AI), 2025) | ~3.6 × 10¹¹ | 2025 | ước tính | |
| 66 | GLM-4.6 (Z.ai (Zhipu AI), 2025) | ~3.6 × 10¹¹ | 2025 | ước tính | |
| 67 | GLM-4.5 (Z.ai (Zhipu AI), 2025) | 3.5 × 10¹¹ | 3.2 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 68 | PaLM 2 (Google, 2023) | ~3.4 × 10¹¹ | 2023 | ước tính | |
| 69 | Med-PaLM 2 (Google Research, 2023) | ~3.4 × 10¹¹ | 2023 | ước tính | |
| 70 | Nemotron-4 340B (Nvidia, 2024) | 3.4 × 10¹¹ | 3.4 × 10¹¹ | 2024 | dày đặc |
| 71 | GLM-5.3-Flash (Z.ai (Zhipu AI), 2026) | ~3.2 × 10¹¹ | 2026 | ước tính | |
| 72 | Grok-1 (xAI, 2023) | ~3.1 × 10¹¹ | 2023 | ước tính | |
| 73 | Motif-3 (Motif Technologies, 2026) | 3.1 × 10¹¹ | 3.1 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 74 | SB-LM (Google, 2007) | ~3 × 10¹¹ | 2007 | ước tính | |
| 75 | Tencent Hy3 preview (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 76 | Tencent Hy3 (Tencent, 2026) | 3 × 10¹¹ | 3 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 77 | DeepSeek-V4-Flash (DeepSeek, 2026) | ~2.8 × 10¹¹ | 2026 | ước tính | |
| 78 | Gopher (DeepMind, 2021) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2021 | dày đặc |
| 79 | TML-Interaction-Small (Thinking Machines, 2026) | 2.8 × 10¹¹ | 2.8 × 10¹¹ | 2026 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 80 | ST-MoE (Google, 2022) | ~2.7 × 10¹¹ | 2022 | ước tính | |
| 81 | ERNIE 3.0 Titan (Baidu, 2021) | 2.6 × 10¹¹ | 2.6 × 10¹¹ | 2021 | dày đặc |
| 82 | Solar Open2 250B (Upstage, 2026) | ~2.5 × 10¹¹ | 2026 | ước tính | |
| 83 | Aramco Metabrain AI (Saudi Aramco, 2024) | ~2.5 × 10¹¹ | 2024 | ước tính | |
| 84 | Yuan 1.0 (Inspur, 2021) | 2.5 × 10¹¹ | 2.5 × 10¹¹ | 2021 | không nêu kiến trúc |
| 85 | DeepSeek-Coder-V2 236B (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 86 | DeepSeek-V2.5 (DeepSeek, 2024) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2024 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 87 | K-EXAONE (LG AI Research, 2025) | 2.4 × 10¹¹ | 2.4 × 10¹¹ | 2025 | không nêu kiến trúc |
| 88 | Qwen3-235B-A22B (Alibaba, 2025) | ~2.4 × 10¹¹ | 2025 | ước tính | |
| 89 | Qwen3-235B-A22B-Thinking (Alibaba, 2025) | ~2.4 × 10¹¹ | 2025 | ước tính | |
| 90 | P1-235B-A22B (Shanghai AI Lab, 2025) | ~2.4 × 10¹¹ | 2025 | ước tính | |
| 91 | Seed-1.6-Thinking (ByteDance, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 92 | MiniMax-M2 (MiniMax, 2025) | 2.3 × 10¹¹ | 1 × 10¹⁰ | 2025 | hỗn hợp chuyên gia |
| 93 | MiniMax-M2.1 (MiniMax, 2025) | 2.3 × 10¹¹ | 2.3 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 94 | HyperCLOVA 204B (NAVER, 2021) | ~2 × 10¹¹ | 2021 | ước tính | |
| 95 | Amazon Titan (Amazon, 2023) | ~2 × 10¹¹ | 2023 | ước tính | |
| 96 | Falcon-180B (Technology Innovation Institute, 2023) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2023 | dày đặc |
| 97 | Jurassic-1-Jumbo (AI21 Labs, 2021) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2021 | không nêu kiến trúc |
| 98 | BLOOM-176B (Hugging Face, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | dày đặc |
| 99 | BLUUMI (University of Turku, 2023) | ~1.8 × 10¹¹ | 2023 | ước tính | |
| 100 | InstructGPT 175B (OpenAI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | dày đặc |
| 101 | OPT-175B (Meta AI, 2022) | 1.8 × 10¹¹ | 1.8 × 10¹¹ | 2022 | dày đặc |
| 102 | BlenderBot 3 (McGill University, 2022) | ~1.8 × 10¹¹ | 2022 | ước tính | |
| 103 | GPT-3 175B (OpenAI, 2020) | 1.7 × 10¹¹ | 1.7 × 10¹¹ | 2020 | dày đặc |
| 104 | Palmyra X 004 (Writer, 2024) | ~1.5 × 10¹¹ | 2024 | ước tính | |
| 105 | FLAN 137B (Google Research, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | không nêu kiến trúc |
| 106 | LaMDA (Google, 2022) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2022 | không nêu kiến trúc |
| 107 | MEB (Microsoft, 2021) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2021 | không nêu kiến trúc |
| 108 | Pangu Ultra (Huawei, 2025) | 1.4 × 10¹¹ | 1.4 × 10¹¹ | 2025 | không nêu kiến trúc |
| 109 | DBRX (Databricks, 2024) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2024 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 110 | GLM-130B (Tsinghua University, 2022) | 1.3 × 10¹¹ | 1.3 × 10¹¹ | 2022 | dày đặc |
| 111 | Pixtral Large (Mistral AI, 2024) | 1.2 × 10¹¹ | 1.2 × 10¹¹ | 2024 | không nêu kiến trúc |
| 112 | Mistral Large 2 (Mistral AI, 2024) | ~1.2 × 10¹¹ | 2024 | ước tính | |
| 113 | Qwen3.5-122B-A10B (Alibaba, 2026) | ~1.2 × 10¹¹ | 2026 | ước tính | |
| 114 | Galactica (Meta AI, 2022) | ~1.2 × 10¹¹ | 2022 | ước tính | |
| 115 | Nemotron 3 Super (Nvidia, 2026) | ~1.2 × 10¹¹ | 2026 | ước tính | |
| 116 | gpt-oss-120b (OpenAI, 2025) | 1.2 × 10¹¹ | 5.1 × 10⁹ | 2025 | hỗn hợp chuyên gia |
| 117 | Telechat2-115B (China Telecom, 2024) | 1.1 × 10¹¹ | 1.1 × 10¹¹ | 2024 | không nêu kiến trúc |
| 118 | Kaiju Large (Character.ai, 2025) | ~1.1 × 10¹¹ | 2025 | ước tính | |
| 119 | Llama 4 Scout (Meta AI, 2025) | ~1.1 × 10¹¹ | 2025 | ước tính | |
| 120 | InternLM (Shanghai AI Lab, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | dày đặc |
| 121 | Solar Open 100B (Upstage, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | không nêu kiến trúc |
| 122 | DLRM-2020 (Facebook AI, 2019) | 1 × 10¹¹ | 1 × 10¹¹ | 2019 | dày đặc |
| 123 | xTrimoPGLM -100B (Tsinghua University, 2023) | 1 × 10¹¹ | 1 × 10¹¹ | 2023 | không nêu kiến trúc |
| 124 | Yi-Large (01.AI, 2024) | ~1 × 10¹¹ | 2024 | ước tính | |
| 125 | VAETKI (NC AI, 2025) | 1 × 10¹¹ | 1 × 10¹¹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 126 | ESM3 (EvolutionaryScale, 2024) | 9.8 × 10¹⁰ | 9.8 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 127 | Tân vỏ não chuột | 8.1 × 10¹⁰ | 8.1 × 10¹⁰ | synapse | |
| 128 | Flamingo (DeepMind, 2022) | 8 × 10¹⁰ | 8 × 10¹⁰ | 2022 | dày đặc |
| 129 | Qwen3-Coder-Next (Alibaba, 2026) | ~8 × 10¹⁰ | 2026 | ước tính | |
| 130 | Qwen2-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | dày đặc |
| 131 | Qwen2.5-72B (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | dày đặc |
| 132 | Qwen2.5 Instruct (Alibaba, 2024) | 7.3 × 10¹⁰ | 7.3 × 10¹⁰ | 2024 | dày đặc |
| 133 | Qwen-72B (Alibaba, 2023) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2023 | dày đặc |
| 134 | Palmyra X 003 (Writer, 2024) | ~7.2 × 10¹⁰ | 2024 | ước tính | |
| 135 | Qwen1.5-72B (Alibaba, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | dày đặc |
| 136 | LLaVA-OV-72B (ByteDance, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | dày đặc |
| 137 | NVLM-X 72B (Nvidia, 2024) | ~7.2 × 10¹⁰ | 2024 | ước tính | |
| 138 | NVLM-H 72B (Nvidia, 2024) | ~7.2 × 10¹⁰ | 2024 | ước tính | |
| 139 | NVLM-D 72B (Nvidia, 2024) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 140 | MindLink-72B (Kunlun Inc., 2025) | 7.2 × 10¹⁰ | 7.2 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 141 | Chinchilla (DeepMind, 2022) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2022 | dày đặc |
| 142 | Llama 2-70B (Meta AI, 2023) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2023 | dày đặc |
| 143 | PPLX-70B-Online (Perplexity, 2023) | ~7 × 10¹⁰ | 2023 | ước tính | |
| 144 | Llama 3-70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | dày đặc |
| 145 | ALLaM adapted 70B (Saudi Data and Artificial Intelligence Authority, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 146 | Llama 3.3 70B (Meta AI, 2024) | 7 × 10¹⁰ | 7 × 10¹⁰ | 2024 | dày đặc |
| 147 | Reka Core (Reka AI, 2024) | ~6.7 × 10¹⁰ | 2024 | ước tính | |
| 148 | LLaMA-65B (Meta AI, 2023) | 6.5 × 10¹⁰ | 6.5 × 10¹⁰ | 2023 | dày đặc |
| 149 | SNM-skip (Google, 2014) | ~6.2 × 10¹⁰ | 2014 | ước tính | |
| 150 | PaLI-X (Google Research, 2023) | ~5.5 × 10¹⁰ | 2023 | ước tính | |
| 151 | RT-2 (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 152 | RT-2-X (Google DeepMind, 2023) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 153 | NLLB (Meta AI, 2022) | 5.5 × 10¹⁰ | 5.5 × 10¹⁰ | 2022 | dày đặc |
| 154 | BloombergGPT (Bloomberg, 2023) | 5.1 × 10¹⁰ | 5.1 × 10¹⁰ | 2023 | dày đặc |
| 155 | M4-50B (Google, 2019) | 5 × 10¹⁰ | 5 × 10¹⁰ | 2019 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 156 | Mixtral 8x7B (Mistral AI, 2023) | ~4.7 × 10¹⁰ | 2023 | ước tính | |
| 157 | AlphaCode (DeepMind, 2022) | 4.1 × 10¹⁰ | 4.1 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 158 | Falcon-40B (Technology Innovation Institute, 2023) | 4 × 10¹⁰ | 4 × 10¹⁰ | 2023 | dày đặc |
| 159 | Qwen3-Omni-30B-A3B (Alibaba, 2025) | 3.5 × 10¹⁰ | 3 × 10⁹ | 2025 | hỗn hợp chuyên gia |
| 160 | Yi-34B (01.AI, 2023) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2023 | dày đặc |
| 161 | Cambrian-1-34B (New York University (NYU), 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 162 | Oryx 34B (Tsinghua University, 2024) | 3.4 × 10¹⁰ | 3.4 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 163 | Kaiju Medium (Character.ai, 2025) | ~3.4 × 10¹⁰ | 2025 | ước tính | |
| 164 | EXAONE 4.5 (LG AI Research, 2026) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2026 | không nêu kiến trúc |
| 165 | Qwen2.5-32B (Alibaba, 2024) | 3.3 × 10¹⁰ | 3.3 × 10¹⁰ | 2024 | dày đặc |
| 166 | QwQ-32B (Alibaba, 2025) | ~3.3 × 10¹⁰ | 2025 | ước tính | |
| 167 | EXAONE 3.5 32B (LG AI Research, 2024) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 168 | EXAONE Deep 32B (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 169 | EXAONE 4.0 (LG AI Research, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 170 | Olmo 3 (Allen Institute for AI, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 171 | HyperCLOVA X SEED 32B Think (NAVER, 2025) | 3.2 × 10¹⁰ | 3.2 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 172 | Nemotron 3-Nano-30B-A3B (Nvidia, 2025) | ~3.2 × 10¹⁰ | 2025 | ước tính | |
| 173 | Tongyi DeepResearch (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 174 | MM1-30B (Apple, 2024) | ~3 × 10¹⁰ | 2024 | ước tính | |
| 175 | Movie Gen Video (Meta AI, 2024) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 176 | AgentFounder-30B (Alibaba, 2025) | 3 × 10¹⁰ | 3 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 177 | PLUG (Alibaba, 2021) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2021 | không nêu kiến trúc |
| 178 | Qwen Image (Alibaba, 2025) | 2.7 × 10¹⁰ | 2.7 × 10¹⁰ | 2025 | không nêu kiến trúc |
| 179 | GenSLM (University of Chicago, 2022) | 2.5 × 10¹⁰ | 2.5 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 180 | ViT-22B (Google, 2023) | 2.2 × 10¹⁰ | 2.2 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 181 | KN-LM (Google, 2007) | ~2.1 × 10¹⁰ | 2007 | ước tính | |
| 182 | gpt-oss-20b (OpenAI, 2025) | 2.1 × 10¹⁰ | 2.1 × 10¹⁰ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 183 | RNN for 1B words (Google, 2013) | ~2 × 10¹⁰ | 2013 | ước tính | |
| 184 | GPT-NeoX-20B (EleutherAI, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | dày đặc |
| 185 | UL2 (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 186 | Parti (Google Research, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 187 | GPT-3.5 Turbo (OpenAI, 2023) | ~2 × 10¹⁰ | 2023 | ước tính | |
| 188 | GPT-3.5 Turbo Instruct (OpenAI, 2023) | ~2 × 10¹⁰ | 2023 | ước tính | |
| 189 | SPHINX (Shanghai AI Lab, 2023) | ~2 × 10¹⁰ | 2023 | ước tính | |
| 190 | AlexaTM 20B (Amazon, 2022) | 2 × 10¹⁰ | 2 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 191 | CogAgent (Tsinghua University, 2023) | ~1.8 × 10¹⁰ | 2023 | ước tính | |
| 192 | Turing-NLG (Microsoft, 2020) | ~1.7 × 10¹⁰ | 2020 | ước tính | |
| 193 | CogVLM-17B (Tsinghua University, 2023) | 1.7 × 10¹⁰ | 1.7 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 194 | PaLI (Google, 2022) | ~1.7 × 10¹⁰ | 2022 | ước tính | |
| 195 | CodeT5+ (Salesforce, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 196 | StarCoder (Hugging Face, 2023) | 1.6 × 10¹⁰ | 1.6 × 10¹⁰ | 2023 | dày đặc |
| 197 | ESM2-15B (Meta AI, 2022) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 198 | FunSearch (Google DeepMind, 2023) | ~1.5 × 10¹⁰ | 2023 | ước tính | |
| 199 | NVILA 15B (Nvidia, 2024) | 1.5 × 10¹⁰ | 1.5 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 200 | nekomata-14b (rinna, 2023) | 1.4 × 10¹⁰ | 1.4 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 201 | VILA1.5-13B (Nvidia, 2024) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2024 | không nêu kiến trúc |
| 202 | VILA-13B (Nvidia, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 203 | mT5-XXL (Google, 2020) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2020 | dày đặc |
| 204 | mT0-13B (Hugging Face, 2022) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2022 | không nêu kiến trúc |
| 205 | LLaVA (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | dày đặc |
| 206 | InstructBLIP (Salesforce Research, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 207 | Jais (Cerebras Systems, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 208 | FinGPT-13B (University of California Los Angeles (UCLA), 2023) | ~1.3 × 10¹⁰ | 2023 | ước tính | |
| 209 | Ferret (Columbia University, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 210 | Skywork-13B (Kunlun Inc., 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 211 | LLaVA 1.5 (University of Wisconsin Madison, 2023) | 1.3 × 10¹⁰ | 1.3 × 10¹⁰ | 2023 | dày đặc |
| 212 | Volcano 13B (Korea University, 2023) | ~1.3 × 10¹⁰ | 2023 | ước tính | |
| 213 | Aya (Cohere Labs (formerly Cohere for AI), 2024) | ~1.3 × 10¹⁰ | 2024 | ước tính | |
| 214 | Kaiju Small (Character.ai, 2025) | ~1.3 × 10¹⁰ | 2025 | ước tính | |
| 215 | ByT5-XXL (Google, 2021) | ~1.3 × 10¹⁰ | 2021 | ước tính | |
| 216 | CoRe (Tsinghua University, 2023) | ~1.2 × 10¹⁰ | 2023 | ước tính | |
| 217 | DALL-E (OpenAI, 2021) | ~1.2 × 10¹⁰ | 2021 | ước tính | |
| 218 | Codex (OpenAI, 2021) | ~1.2 × 10¹⁰ | 2021 | ước tính | |
| 219 | T5-11B (Google, 2019) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2019 | dày đặc |
| 220 | UnifiedQA (Allen Institute for AI, 2020) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2020 | dày đặc |
| 221 | Unicorn (Allen Institute for AI, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | không nêu kiến trúc |
| 222 | PLATO-XL (Baidu, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | không nêu kiến trúc |
| 223 | CoEdiT-xxl (University of Minnesota, 2023) | ~1.1 × 10¹⁰ | 2023 | ước tính | |
| 224 | GQA-8-XXL (Google Research, 2023) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2023 | không nêu kiến trúc |
| 225 | XLMR-XXL (Facebook AI Research, 2021) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2021 | không nêu kiến trúc |
| 226 | Llama 3.2 11B (Meta AI, 2024) | 1.1 × 10¹⁰ | 1.1 × 10¹⁰ | 2024 | dày đặc |
| 227 | ERNIE 3.0 (Baidu, 2021) | 1 × 10¹⁰ | 1 × 10¹⁰ | 2021 | dày đặc |
| 228 | ERNIE-ViLG (Baidu, 2021) | ~1 × 10¹⁰ | 2021 | ước tính | |
| 229 | Qwen-VL (Alibaba, 2023) | ~9.6 × 10⁹ | 2023 | ước tính | |
| 230 | Generative BST (Facebook AI Research, 2021) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2021 | không nêu kiến trúc |
| 231 | Sparse all-MLP (Meta AI, 2022) | 9.4 × 10⁹ | 9.4 × 10⁹ | 2022 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 232 | CogVideo (Tsinghua University, 2022) | ~9.4 × 10⁹ | 2022 | ước tính | |
| 233 | eDiff-I (Nvidia, 2022) | ~9.1 × 10⁹ | 2022 | ước tính | |
| 234 | Eagle 2 (Nvidia, 2025) | 8.9 × 10⁹ | 8.9 × 10⁹ | 2025 | không nêu kiến trúc |
| 235 | MoE-Multi (Jagiellonian University, 2017) | 8.7 × 10⁹ | 8.7 × 10⁹ | 2017 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 236 | Qwen-Audio-Chat (Alibaba, 2023) | ~8.5 × 10⁹ | 2023 | ước tính | |
| 237 | Megatron-LM (Nvidia, 2019) | ~8.3 × 10⁹ | 2019 | ước tính | |
| 238 | BigSSL (Google, 2021) | ~8 × 10⁹ | 2021 | ước tính | |
| 239 | Nemotron-3-8B (Nvidia, 2023) | 8 × 10⁹ | 8 × 10⁹ | 2023 | không nêu kiến trúc |
| 240 | Stable Diffusion 3 (Stability AI, 2024) | 8 × 10⁹ | 8 × 10⁹ | 2024 | dày đặc |
| 241 | Qwen3 Embedding (Alibaba, 2025) | 8 × 10⁹ | 8 × 10⁹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 242 | Imagen (Google Brain, 2022) | ~7.8 × 10⁹ | 2022 | ước tính | |
| 243 | XGLM-7.5B (Meta AI, 2021) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2021 | không nêu kiến trúc |
| 244 | RETRO-7B (DeepMind, 2022) | 7.5 × 10⁹ | 7.5 × 10⁹ | 2022 | không nêu kiến trúc |
| 245 | OpenVLA (Stanford University, 2024) | 7.2 × 10⁹ | 7.2 × 10⁹ | 2024 | không nêu kiến trúc |
| 246 | mPLUG-Owl2 (Alibaba, 2023) | ~7.1 × 10⁹ | 2023 | ước tính | |
| 247 | Goat-7B (National University of Singapore, 2023) | ~7 × 10⁹ | 2023 | ước tính | |
| 248 | Llama 2-7B (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | dày đặc |
| 249 | Llama Guard (Meta AI, 2023) | 7 × 10⁹ | 7 × 10⁹ | 2023 | dày đặc |
| 250 | Qwen-VL-Max (Alibaba, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | dày đặc |
| 251 | Mathstral (Mistral AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | không nêu kiến trúc |
| 252 | Apollo 7B (Meta AI, 2024) | 7 × 10⁹ | 7 × 10⁹ | 2024 | không nêu kiến trúc |
| 253 | Eurus-2-7B-PRIME (Tsinghua University, 2025) | ~7 × 10⁹ | 2025 | ước tính | |
| 254 | INTELLECT-MATH (Prime Intellect, 2025) | 7 × 10⁹ | 7 × 10⁹ | 2025 | không nêu kiến trúc |
| 255 | Incoder-6.7B (Facebook AI Research, 2023) | 6.7 × 10⁹ | 6.7 × 10⁹ | 2023 | không nêu kiến trúc |
| 256 | ProGen2-xlarge (Salesforce Research, 2022) | 6.4 × 10⁹ | 6.4 × 10⁹ | 2022 | không nêu kiến trúc |
| 257 | GPipe (Google, 2018) | ~6 × 10⁹ | 2018 | ước tính | |
| 258 | InstructGPT 6B (OpenAI, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | dày đặc |
| 259 | Vega v2 (Wuhan University, 2022) | 6 × 10⁹ | 6 × 10⁹ | 2022 | không nêu kiến trúc |
| 260 | ChatGLM3-6B (Z.ai (Zhipu AI), 2023) | ~6 × 10⁹ | 2023 | ước tính | |
| 261 | MolmoAct 2 (Allen Institute for AI, 2026) | ~5.5 × 10⁹ | 2026 | ước tính | |
| 262 | T-NLRv5 XXL (Microsoft, 2021) | 5.4 × 10⁹ | 5.4 × 10⁹ | 2021 | không nêu kiến trúc |
| 263 | π0.6 (Physical Intelligence, 2025) | 5.3 × 10⁹ | 5.3 × 10⁹ | 2025 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 264 | PaLI-3 (Google DeepMind, 2023) | 5 × 10⁹ | 5 × 10⁹ | 2023 | không nêu kiến trúc |
| 265 | Mesh-TensorFlow Transformer 4.9B (Google Brain, 2018) | 4.9 × 10⁹ | 4.9 × 10⁹ | 2018 | dày đặc |
| 266 | W.A.L.T (Stanford University, 2023) | 4.7 × 10⁹ | 4.7 × 10⁹ | 2023 | không nêu kiến trúc |
| 267 | CogView (Tsinghua University, 2021) | ~4 × 10⁹ | 2021 | ước tính | |
| 268 | Make-A-Scene (Meta AI, 2022) | ~4 × 10⁹ | 2022 | ước tính | |
| 269 | ONE-PEACE (Alibaba, 2023) | ~4 × 10⁹ | 2023 | ước tính | |
| 270 | Megatron-BERT (Nvidia, 2019) | 3.9 × 10⁹ | 3.9 × 10⁹ | 2019 | dày đặc |
| 271 | DALL·E 2 (OpenAI, 2022) | ~3.5 × 10⁹ | 2022 | ước tính | |
| 272 | Stable Diffusion XL (Stability AI, 2023) | ~3.4 × 10⁹ | 2023 | ước tính | |
| 273 | MusicGen (Meta AI, 2023) | ~3.4 × 10⁹ | 2023 | ước tính | |
| 274 | Gemini Nano-2 (Google DeepMind, 2023) | 3.3 × 10⁹ | 3.3 × 10⁹ | 2023 | không nêu kiến trúc |
| 275 | Zidong Taichu (Chinese Academy of Sciences, 2021) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2021 | không nêu kiến trúc |
| 276 | DeepNet (Microsoft Research, 2022) | 3.2 × 10⁹ | 3.2 × 10⁹ | 2022 | không nêu kiến trúc |
| 277 | MS-ensemble-speech-recognition (Microsoft, 2016) | ~3.2 × 10⁹ | 2016 | ước tính | |
| 278 | BASIC-L (Google, 2021) | ~3.1 × 10⁹ | 2021 | ước tính | |
| 279 | BASIC-L + Lion (Google, 2023) | 3.1 × 10⁹ | 3.1 × 10⁹ | 2023 | không nêu kiến trúc |
| 280 | LEP-AD (King Abdullah University of Science and Technology (KAUST), 2023) | 3 × 10⁹ | 3 × 10⁹ | 2023 | không nêu kiến trúc |
| 281 | ViT-G/14 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | không nêu kiến trúc |
| 282 | ProtT5-XL-U50 (Technical University of Munich, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | không nêu kiến trúc |
| 283 | Swin Transformer V2 (Microsoft Research Asia, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | không nêu kiến trúc |
| 284 | LongT5 (Google Research, 2021) | 3 × 10⁹ | 3 × 10⁹ | 2021 | không nêu kiến trúc |
| 285 | ReALM (Apple, 2024) | 3 × 10⁹ | 3 × 10⁹ | 2024 | không nêu kiến trúc |
| 286 | Mesh-TensorFlow Transformer 2.9B (Google Brain, 2018) | ~2.9 × 10⁹ | 2018 | ước tính | |
| 287 | T5-3B (Google, 2019) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2019 | dày đặc |
| 288 | DPO on Pythia-2.8B (Stanford University, 2023) | 2.8 × 10⁹ | 2.8 × 10⁹ | 2023 | dày đặc |
| 289 | AFM-on-device (Apple, 2024) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2024 | không nêu kiến trúc |
| 290 | PolyCoder (Carnegie Mellon University (CMU), 2022) | ~2.7 × 10⁹ | 2022 | ước tính | |
| 291 | Hybrid H3-2.7B (Stanford University, 2022) | ~2.7 × 10⁹ | 2022 | ước tính | |
| 292 | GPT3-2.7B (Stanford University, 2023) | 2.7 × 10⁹ | 2.7 × 10⁹ | 2023 | không nêu kiến trúc |
| 293 | Meena (Google Brain, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | dày đặc |
| 294 | CPM-Large (Tsinghua University, 2020) | 2.6 × 10⁹ | 2.6 × 10⁹ | 2020 | dày đặc |
| 295 | Nucleotide Transformer (Nvidia, 2023) | ~2.5 × 10⁹ | 2023 | ước tính | |
| 296 | Fugatto 1 (Nvidia, 2024) | 2.5 × 10⁹ | 2.5 × 10⁹ | 2024 | không nêu kiến trúc |
| 297 | CoAtNet (Google, 2021) | 2.4 × 10⁹ | 2.4 × 10⁹ | 2021 | không nêu kiến trúc |
| 298 | GShard (Google, 2020) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2020 | dày đặc |
| 299 | SeamlessM4T (Facebook, 2023) | 2.3 × 10⁹ | 2.3 × 10⁹ | 2023 | không nêu kiến trúc |
| 300 | Turing ULRv5 (Microsoft, 2021) | 2.2 × 10⁹ | 2.2 × 10⁹ | 2021 | không nêu kiến trúc |
| 301 | CoCa (Google Research, 2022) | 2.1 × 10⁹ | 2.1 × 10⁹ | 2022 | không nêu kiến trúc |
| 302 | MuseNet (OpenAI, 2019) | ~2 × 10⁹ | 2019 | ước tính | |
| 303 | Infinity (ByteDance, 2024) | 2 × 10⁹ | 2 × 10⁹ | 2024 | không nêu kiến trúc |
| 304 | Seq2Seq LSTM (Google, 2014) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2014 | dày đặc |
| 305 | BEIT-3 (Microsoft, 2022) | ~1.9 × 10⁹ | 2022 | ước tính | |
| 306 | Ankh_large (Technical University of Munich, 2023) | 1.9 × 10⁹ | 1.9 × 10⁹ | 2023 | không nêu kiến trúc |
| 307 | ViT-G/14 (Google Brain, 2021) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2021 | không nêu kiến trúc |
| 308 | ViT-G (University of Washington, 2022) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2022 | không nêu kiến trúc |
| 309 | Phenaki (University College London (UCL), 2022) | ~1.8 × 10⁹ | 2022 | ước tính | |
| 310 | Gemini Nano-1 (Google DeepMind, 2023) | 1.8 × 10⁹ | 1.8 × 10⁹ | 2023 | không nêu kiến trúc |
| 311 | DistBelief Vision (Google, 2012) | ~1.7 × 10⁹ | 2012 | ước tính | |
| 312 | Whisper (OpenAI, 2022) | ~1.6 × 10⁹ | 2022 | ước tính | |
| 313 | GPT-2 (OpenAI, 2019) | ~1.5 × 10⁹ | 2019 | ước tính | |
| 314 | DeBERTa (Microsoft, 2021) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2021 | không nêu kiến trúc |
| 315 | AR-LDM (Alibaba, 2022) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2022 | không nêu kiến trúc |
| 316 | AudioLM (Google Research, 2023) | ~1.5 × 10⁹ | 2023 | ước tính | |
| 317 | BLIP-2 (Salesforce Research, 2023) | 1.5 × 10⁹ | 1.5 × 10⁹ | 2023 | không nêu kiến trúc |
| 318 | LDM-1.45B (Heidelberg University, 2021) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2021 | không nêu kiến trúc |
| 319 | Stable Diffusion (Runway, 2022) | 1.4 × 10⁹ | 1.4 × 10⁹ | 2022 | dày đặc |
| 320 | SEER (Facebook AI Research, 2021) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2021 | không nêu kiến trúc |
| 321 | InstructGPT 1.3B (OpenAI, 2022) | 1.3 × 10⁹ | 1.3 × 10⁹ | 2022 | dày đặc |
| 322 | Megatron-LM (Nvidia, 2019) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2019 | dày đặc |
| 323 | RDT-1B (Tsinghua University, 2024) | ~1.2 × 10⁹ | 2024 | ước tính | |
| 324 | Gato (DeepMind, 2022) | 1.2 × 10⁹ | 1.2 × 10⁹ | 2022 | không nêu kiến trúc |
| 325 | DINOv2 (Facebook AI Research, 2023) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2023 | không nêu kiến trúc |
| 326 | Diffusion Renderer (Nvidia, 2025) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2025 | không nêu kiến trúc |
| 327 | InternImage (Shanghai AI Lab, 2022) | 1.1 × 10⁹ | 1.1 × 10⁹ | 2022 | không nêu kiến trúc |
| 328 | EVA-01 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | 1 × 10⁹ | 1 × 10⁹ | 2022 | không nêu kiến trúc |
| 329 | Unsupervised High-level Feature Learner (Google, 2012) | ~1 × 10⁹ | 2012 | ước tính | |
| 330 | Conformer + Wav2vec 2.0 + Noisy Student (Google, 2020) | 1 × 10⁹ | 1 × 10⁹ | 2020 | dày đặc |
| 331 | HuBERT (Facebook AI Research, 2021) | ~1 × 10⁹ | 2021 | ước tính | |
| 332 | W2v-BERT (Google Brain, 2021) | 1 × 10⁹ | 1 × 10⁹ | 2021 | dày đặc |
| 333 | AudioGen (Meta AI, 2023) | ~1 × 10⁹ | 2023 | ước tính | |
| 334 | VideoMAE V2 (Nanjing University, 2023) | 1 × 10⁹ | 1 × 10⁹ | 2023 | không nêu kiến trúc |
| 335 | TransE (Universite de Technologie de Compiègne – CNRS, 2013) | ~9.4 × 10⁸ | 2013 | ước tính | |
| 336 | ImageBind (Meta AI, 2023) | ~9.3 × 10⁸ | 2023 | ước tính | |
| 337 | Big Transfer (Google Brain, 2019) | ~9.3 × 10⁸ | 2019 | ước tính | |
| 338 | Florence (Microsoft, 2021) | 8.9 × 10⁸ | 8.9 × 10⁸ | 2021 | không nêu kiến trúc |
| 339 | NÜWA (Microsoft Research, 2021) | 8.7 × 10⁸ | 8.7 × 10⁸ | 2021 | không nêu kiến trúc |
| 340 | MusicLM (Google, 2023) | 8.6 × 10⁸ | 8.6 × 10⁸ | 2023 | không nêu kiến trúc |
| 341 | ResNeXt-101 32x48d (Facebook, 2018) | 8.3 × 10⁸ | 8.3 × 10⁸ | 2018 | dày đặc |
| 342 | FixRes ResNeXt-101 WSL (Facebook AI, 2019) | ~8.3 × 10⁸ | 2019 | ước tính | |
| 343 | ALIGN (Google Research, 2021) | 8.2 × 10⁸ | 8.2 × 10⁸ | 2021 | không nêu kiến trúc |
| 344 | Statement Curriculum Learning (OpenAI, 2022) | ~7.7 × 10⁸ | 2022 | ước tính | |
| 345 | CodeT5-large (Salesforce, 2022) | ~7.7 × 10⁸ | 2022 | ước tính | |
| 346 | DITTO (Tsinghua University, 2022) | 7.5 × 10⁸ | 7.5 × 10⁸ | 2022 | không nêu kiến trúc |
| 347 | FGN (Google DeepMind, 2025) | 7.2 × 10⁸ | 7.2 × 10⁸ | 2025 | không nêu kiến trúc |
| 348 | data2vec (Meta AI, 2022) | ~7.1 × 10⁸ | 2022 | ước tính | |
| 349 | Tranception (University of Oxford, 2022) | 7 × 10⁸ | 7 × 10⁸ | 2022 | không nêu kiến trúc |
| 350 | Word2Vec (Google, 2013) | ~6.9 × 10⁸ | 2013 | ước tính | |
| 351 | DiT-XL/2 (New York University (NYU), 2023) | 6.8 × 10⁸ | 6.8 × 10⁸ | 2023 | không nêu kiến trúc |
| 352 | DiT-XL/2 + CADS (ETH Zurich, 2023) | ~6.8 × 10⁸ | 2023 | ước tính | |
| 353 | OmegaPLM (Massachusetts Institute of Technology (MIT), 2022) | 6.7 × 10⁸ | 6.7 × 10⁸ | 2022 | không nêu kiến trúc |
| 354 | XLM (Facebook, 2019) | ~6.7 × 10⁸ | 2019 | ước tính | |
| 355 | ESM1b (Facebook AI Research, 2020) | 6.5 × 10⁸ | 6.5 × 10⁸ | 2020 | dày đặc |
| 356 | Segment Anything Model (Meta AI, 2023) | 6.4 × 10⁸ | 6.4 × 10⁸ | 2023 | không nêu kiến trúc |
| 357 | ViT-Huge/14 (Google Brain, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | dày đặc |
| 358 | Masked Autoencoders ViT-H (Facebook AI Research, 2021) | ~6.3 × 10⁸ | 2021 | ước tính | |
| 359 | Retrieval-Augmented Generator (Facebook, 2020) | 6.3 × 10⁸ | 6.3 × 10⁸ | 2020 | dày đặc |
| 360 | DLDL (University of Oxford, 2016) | ~5.6 × 10⁸ | 2016 | ước tính | |
| 361 | ADM (OpenAI, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | không nêu kiến trúc |
| 362 | TrOCR (Beihang University, 2021) | 5.6 × 10⁸ | 5.6 × 10⁸ | 2021 | không nêu kiến trúc |
| 363 | XLM-RoBERTa (Facebook AI, 2019) | 5.5 × 10⁸ | 5.5 × 10⁸ | 2019 | dày đặc |
| 364 | LUKE (University of Washington, 2020) | ~4.8 × 10⁸ | 2020 | ước tính | |
| 365 | EfficientNet-L2 (Google, 2019) | ~4.8 × 10⁸ | 2019 | ước tính | |
| 366 | Noisy Student (Carnegie Mellon University (CMU), 2019) | 4.8 × 10⁸ | 4.8 × 10⁸ | 2019 | dày đặc |
| 367 | Meta Pseudo Labels (Google Brain, 2021) | ~4.8 × 10⁸ | 2021 | ước tính | |
| 368 | EMDR (Mila - Quebec AI (originally Montreal Institute for Learning Algorithms), 2021) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2021 | không nêu kiến trúc |
| 369 | NMT Transformer 437M (Google, 2019) | 4.4 × 10⁸ | 4.4 × 10⁸ | 2019 | dày đặc |
| 370 | Adaptive Inputs + LayerDrop (Facebook AI Research, 2019) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2019 | dày đặc |
| 371 | ProtBERT-BFD (Technical University of Munich, 2021) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2021 | không nêu kiến trúc |
| 372 | OntoProtein (Zhejiang University (ZJU), 2022) | ~4.2 × 10⁸ | 2022 | ước tính | |
| 373 | DeBERTaV3large + KEAR (Microsoft, 2022) | 4.2 × 10⁸ | 4.2 × 10⁸ | 2022 | không nêu kiến trúc |
| 374 | BART-large (Facebook AI, 2019) | ~4.1 × 10⁸ | 2019 | ước tính | |
| 375 | SigLIP 400M (Google DeepMind, 2023) | 4 × 10⁸ | 4 × 10⁸ | 2023 | không nêu kiến trúc |
| 376 | BERT-Large-CAS (Amazon, 2019) | ~4 × 10⁸ | 2019 | ước tính | |
| 377 | MoCo (Facebook AI, 2019) | ~3.8 × 10⁸ | 2019 | ước tính | |
| 378 | SimCLR (Google Brain, 2020) | ~3.8 × 10⁸ | 2020 | ước tính | |
| 379 | CLIP (OpenAI, 2021) | 3.7 × 10⁸ | 3.7 × 10⁸ | 2021 | không nêu kiến trúc |
| 380 | RoBERTa Large (Facebook, 2019) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2019 | dày đặc |
| 381 | AbLang (University of Oxford, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | không nêu kiến trúc |
| 382 | GPT-2 Medium (Stanford University, 2022) | 3.5 × 10⁸ | 3.5 × 10⁸ | 2022 | dày đặc |
| 383 | VALL-E (Microsoft, 2023) | ~3.5 × 10⁸ | 2023 | ước tính | |
| 384 | BERT-Large (Google, 2018) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2018 | dày đặc |
| 385 | XLNet (Carnegie Mellon University (CMU), 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | dày đặc |
| 386 | ERNIE-GEN (Baidu, 2020) | ~3.4 × 10⁸ | 2020 | ước tính | |
| 387 | CamemBERT (Facebook, 2019) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2019 | dày đặc |
| 388 | ELECTRA (Stanford University, 2020) | ~3.4 × 10⁸ | 2020 | ước tính | |
| 389 | German ELECTRA Large (deepset, 2020) | 3.4 × 10⁸ | 3.4 × 10⁸ | 2020 | dày đặc |
| 390 | ALM 1.0 (Beijing Academy of Artificial Intelligence / BAAI, 2022) | ~3.4 × 10⁸ | 2022 | ước tính | |
| 391 | MT-DNN (Microsoft, 2019) | 3.3 × 10⁸ | 3.3 × 10⁸ | 2019 | dày đặc |
| 392 | Fusion in Encoder (Samsung, 2022) | ~3.3 × 10⁸ | 2022 | ước tính | |
| 393 | wave2vec 2.0 LARGE (Facebook, 2020) | 3.2 × 10⁸ | 3.2 × 10⁸ | 2020 | dày đặc |
| 394 | CPC v2 (DeepMind, 2019) | ~3 × 10⁸ | 2019 | ước tính | |
| 395 | Transformer - LibriVox + Decoding/Rescoring (Facebook, 2019) | 3 × 10⁸ | 3 × 10⁸ | 2019 | dày đặc |
| 396 | DDPM-IP (Utrecht University, 2023) | ~3 × 10⁸ | 2023 | ước tính | |
| 397 | GNMT (Google, 2016) | ~2.8 × 10⁸ | 2016 | ước tính | |
| 398 | base LM+GNN+kNN (Shannon.AI, 2021) | 2.7 × 10⁸ | 2.7 × 10⁸ | 2021 | không nêu kiến trúc |
| 399 | YOLO (University of Washington, 2015) | ~2.7 × 10⁸ | 2015 | ước tính | |
| 400 | Transformer-XL (Carnegie Mellon University (CMU), 2019) | ~2.6 × 10⁸ | 2019 | ước tính | |
| 401 | Transformer-XL + RMS dynamic eval (University of Edinburgh, 2019) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2019 | dày đặc |
| 402 | Transformer-XL Large + Phrase Induction (Massachusetts Institute of Technology (MIT), 2019) | ~2.6 × 10⁸ | 2019 | ước tính | |
| 403 | Segatron-XL large, M=384 + HCP (Microsoft Research, 2022) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2022 | không nêu kiến trúc |
| 404 | Denoising Diffusion Probabilistic Models (University of California (UC) Berkeley, 2021) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2021 | không nêu kiến trúc |
| 405 | Pangu-Weather (Huawei, 2023) | 2.6 × 10⁸ | 2.6 × 10⁸ | 2023 | không nêu kiến trúc |
| 406 | SPN (Google Brain, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | dày đặc |
| 407 | S4 (Stanford University, 2021) | ~2.5 × 10⁸ | 2021 | ước tính | |
| 408 | Base LM + kNN LM + Continuous Cache (Stanford University, 2019) | ~2.5 × 10⁸ | 2019 | ước tính | |
| 409 | ERNIE-Doc (Baidu, 2020) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2020 | dày đặc |
| 410 | Adaptive Input Transformer + RD (Microsoft Research Asia, 2021) | ~2.5 × 10⁸ | 2021 | ước tính | |
| 411 | Transformer (Adaptive Input Embeddings) WT103 (Facebook AI Research, 2018) | 2.5 × 10⁸ | 2.5 × 10⁸ | 2018 | dày đặc |
| 412 | TaLK Convolution (Carleton University, 2020) | ~2.4 × 10⁸ | 2020 | ước tính | |
| 413 | ALBERT-xxlarge (Toyota Technological Institute at Chicago, 2020) | ~2.4 × 10⁸ | 2020 | ước tính | |
| 414 | SRU++ Large (ASAPP, 2021) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2021 | không nêu kiến trúc |
| 415 | GR-2 (ByteDance, 2024) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2024 | không nêu kiến trúc |
| 416 | MaskGIT (Google Research, 2022) | 2.3 × 10⁸ | 2.3 × 10⁸ | 2022 | không nêu kiến trúc |
| 417 | MetNet (Google, 2020) | ~2.3 × 10⁸ | 2020 | ước tính | |
| 418 | FFN SwiGLU (Google, 2020) | 2.2 × 10⁸ | 2.2 × 10⁸ | 2020 | dày đặc |
| 419 | CodeT5-base (Salesforce, 2021) | ~2.2 × 10⁸ | 2021 | ước tính | |
| 420 | Transformer (Google Research, 2017) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2017 | dày đặc |
| 421 | Sandwich Transformer (Allen Institute for AI, 2019) | ~2.1 × 10⁸ | 2019 | ước tính | |
| 422 | EfficientNetV2-XL (Google, 2021) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2021 | không nêu kiến trúc |
| 423 | Word2Vec (Google, 2013) | ~2.1 × 10⁸ | 2013 | ước tính | |
| 424 | Multilingual DNN (Google, 2013) | 2.1 × 10⁸ | 2.1 × 10⁸ | 2013 | dày đặc |
| 425 | DreamerV3 (DeepMind, 2023) | ~2 × 10⁸ | 2023 | ước tính | |
| 426 | DL scaling speech (Baidu, 2017) | ~1.9 × 10⁸ | 2017 | ước tính | |
| 427 | ResNeXt-101 Billion-scale (Facebook AI, 2019) | ~1.9 × 10⁸ | 2019 | ước tính | |
| 428 | (NTT Communication Science Laboratories, 2018) | 1.9 × 10⁸ | 1.9 × 10⁸ | 2018 | dày đặc |
| 429 | TrellisNet (Carnegie Mellon University (CMU), 2018) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2018 | dày đặc |
| 430 | DL scaling LM (Baidu, 2017) | ~1.8 × 10⁸ | 2017 | ước tính | |
| 431 | EXAONE Path 2.0 (LG AI Research, 2025) | 1.8 × 10⁸ | 1.8 × 10⁸ | 2025 | không nêu kiến trúc |
| 432 | OpenAI Five Rerun (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | dày đặc |
| 433 | OpenAI Five (OpenAI, 2019) | 1.6 × 10⁸ | 1.6 × 10⁸ | 2019 | dày đặc |
| 434 | 4 layer QRNN (Salesforce Research, 2018) | ~1.5 × 10⁸ | 2018 | ước tính | |
| 435 | TransformerXL + spectrum control (University of California Los Angeles (UCLA), 2020) | ~1.5 × 10⁸ | 2020 | ước tính | |
| 436 | AlphaGeometry (Google DeepMind, 2024) | 1.5 × 10⁸ | 1.5 × 10⁸ | 2024 | không nêu kiến trúc |
| 437 | PermuteFormer (Peking University, 2021) | ~1.5 × 10⁸ | 2021 | ước tính | |
| 438 | Fragment embedding (Stanford University, 2014) | ~1.4 × 10⁸ | 2014 | ước tính | |
| 439 | OverFeat (New York University (NYU), 2013) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2013 | dày đặc |
| 440 | VGG19 (University of Oxford, 2014) | ~1.4 × 10⁸ | 2014 | ước tính | |
| 441 | LRCN (UT Austin, 2014) | ~1.4 × 10⁸ | 2014 | ước tính | |
| 442 | Transformer-XL DeFINE (University of Washington, 2019) | ~1.4 × 10⁸ | 2019 | ước tính | |
| 443 | Deep Autoencoders (University of Toronto, 2011) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2011 | dày đặc |
| 444 | AlphaStar (DeepMind, 2019) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2019 | dày đặc |
| 445 | VGG16 (University of Oxford, 2014) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2014 | dày đặc |
| 446 | VGG-Face (University of Oxford, 2015) | 1.4 × 10⁸ | 1.4 × 10⁸ | 2015 | dày đặc |
| 447 | SAF R-CNN (Beijing Institute of Technology, 2015) | ~1.4 × 10⁸ | 2015 | ước tính | |
| 448 | Template Adaptation (University of Oxford, 2016) | ~1.4 × 10⁸ | 2016 | ước tính | |
| 449 | LRR-4X (UC Irvine, 2016) | ~1.4 × 10⁸ | 2016 | ước tính | |
| 450 | CMS-RCNN (IEEE, 2016) | ~1.4 × 10⁸ | 2016 | ước tính | |
| 451 | QRNN (Salesforce Research, 2018) | ~1.4 × 10⁸ | 2018 | ước tính | |
| 452 | Multiresolution CNN (Google, 2014) | ~1.3 × 10⁸ | 2014 | ước tính | |
| 453 | FTW (DeepMind, 2018) | ~1.3 × 10⁸ | 2018 | ước tính | |
| 454 | Feedback Transformer (LORIA, 2020) | ~1.3 × 10⁸ | 2020 | ước tính | |
| 455 | KEPLER (Tsinghua University, 2020) | 1.3 × 10⁸ | 1.3 × 10⁸ | 2020 | dày đặc |
| 456 | DL scaling Image (Baidu, 2017) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2017 | dày đặc |
| 457 | GloVe (Stanford University, 2014) | ~1.2 × 10⁸ | 2014 | ước tính | |
| 458 | Conformer (Google, 2020) | 1.2 × 10⁸ | 1.2 × 10⁸ | 2020 | dày đặc |
| 459 | GPT-1 (OpenAI, 2018) | ~1.2 × 10⁸ | 2018 | ước tính | |
| 460 | ContextNet (Google, 2020) | ~1.1 × 10⁸ | 2020 | ước tính | |
| 461 | SciBERT (Allen Institute for AI, 2019) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2019 | dày đặc |
| 462 | DNABERT (Northeastern University, 2021) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2021 | không nêu kiến trúc |
| 463 | Contriever (Meta AI, 2021) | ~1.1 × 10⁸ | 2021 | ước tính | |
| 464 | BERT-RBP (Waseda University, 2022) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2022 | dày đặc |
| 465 | RoFormer (Zhuiyi Technology, 2023) | 1.1 × 10⁸ | 1.1 × 10⁸ | 2023 | không nêu kiến trúc |
| 466 | LSTM LM (RWTH Aachen University, 2012) | ~1 × 10⁸ | 2012 | ước tính | |
| 467 | ReLU-Speech (Google, 2013) | ~1 × 10⁸ | 2013 | ước tính | |
| 468 | STORM-B/8 (University of Southern California, 2024) | 1 × 10⁸ | 1 × 10⁸ | 2024 | không nêu kiến trúc |
| 469 | Support Vector Machines (AT&T, 1995) | ~1 × 10⁸ | 1995 | ước tính | |
| 470 | GPU DBNs (Stanford University, 2009) | 1 × 10⁸ | 1 × 10⁸ | 2009 | dày đặc |
| 471 | MSA Transformer (Facebook AI Research, 2021) | ~1 × 10⁸ | 2021 | ước tính | |
| 472 | YOLOX-X (Megvii Inc, 2021) | ~9.9 × 10⁷ | 2021 | ước tính | |
| 473 | DeLighT (University of Washington, 2020) | ~9.9 × 10⁷ | 2020 | ước tính | |
| 474 | ELMo (University of Washington, 2018) | ~9.4 × 10⁷ | 2018 | ước tính | |
| 475 | AlphaFold 2 (DeepMind, 2020) | ~9.3 × 10⁷ | 2020 | ước tính | |
| 476 | AlphaMissense (Google DeepMind, 2023) | ~9.3 × 10⁷ | 2023 | ước tính | |
| 477 | Octo-Base (University of California (UC) Berkeley, 2024) | 9.3 × 10⁷ | 9.3 × 10⁷ | 2024 | không nêu kiến trúc |
| 478 | PolyNet (Chinese University of Hong Kong (CUHK), 2016) | ~9.2 × 10⁷ | 2016 | ước tính | |
| 479 | Transformer local-attention (Google Cloud, 2021) | 9 × 10⁷ | 9 × 10⁷ | 2021 | không nêu kiến trúc |
| 480 | Transformer + Simple Recurrent Unit (ASAPP, 2018) | 9 × 10⁷ | 9 × 10⁷ | 2018 | dày đặc |
| 481 | NASNet-A (Google Brain, 2017) | ~8.9 × 10⁷ | 2017 | ước tính | |
| 482 | CLIP (OpenAI, 2021) | ~8.9 × 10⁷ | 2021 | ước tính | |
| 483 | Detic (Meta AI, 2022) | ~8.8 × 10⁷ | 2022 | ước tính | |
| 484 | MSRA (Microsoft Research, 2015) | 8.7 × 10⁷ | 8.7 × 10⁷ | 2015 | dày đặc |
| 485 | BigBiGAN (Google, 2019) | ~8.6 × 10⁷ | 2019 | ước tính | |
| 486 | ViT-Base/32 (Google Brain, 2020) | ~8.6 × 10⁷ | 2020 | ước tính | |
| 487 | DeiT-B (Meta AI, 2021) | 8.6 × 10⁷ | 8.6 × 10⁷ | 2021 | không nêu kiến trúc |
| 488 | CaLM (University of Oxford, 2022) | ~8.6 × 10⁷ | 2022 | ước tính | |
| 489 | Tensor-Transformer (University of California (UC) Berkeley, 2020) | 8.5 × 10⁷ | 8.5 × 10⁷ | 2020 | dày đặc |
| 490 | ResNeXt-101 (University of California San Diego, 2016) | 8.3 × 10⁷ | 8.3 × 10⁷ | 2016 | dày đặc |
| 491 | RBM Image Classifier (University of Toronto, 2009) | ~8 × 10⁷ | 2009 | ước tính | |
| 492 | Routing Transformer (Google Research, 2020) | 8 × 10⁷ | 8 × 10⁷ | 2020 | dày đặc |
| 493 | Big-Little Net (IBM, 2018) | ~7.7 × 10⁷ | 2018 | ước tính | |
| 494 | EfficientDet (Google Brain, 2020) | ~7.7 × 10⁷ | 2020 | ước tính | |
| 495 | CODEFUSION (Microsoft, 2023) | 7.5 × 10⁷ | 7.5 × 10⁷ | 2023 | không nêu kiến trúc |
| 496 | RNN LM (Johns Hopkins University, 2010) | ~7 × 10⁷ | 2010 | ước tính | |
| 497 | R-CNN (University of California (UC) Berkeley, 2013) | ~6.9 × 10⁷ | 2013 | ước tính | |
| 498 | Variational (University of Cambridge, 2015) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2015 | dày đặc |
| 499 | DistilBERT (Hugging Face, 2019) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2019 | dày đặc |
| 500 | Theseus 6/768 (University of California San Diego, 2020) | 6.6 × 10⁷ | 6.6 × 10⁷ | 2020 | dày đặc |
| 501 | ResNet-152 (Microsoft, 2015) | 6 × 10⁷ | 6 × 10⁷ | 2015 | dày đặc |
| 502 | AlexNet (University of Toronto, 2012) | 6 × 10⁷ | 6 × 10⁷ | 2012 | dày đặc |
| 503 | DETR (Facebook, 2020) | 6 × 10⁷ | 6 × 10⁷ | 2020 | dày đặc |
| 504 | YOLOv3 (University of Washington, 2018) | ~5.7 × 10⁷ | 2018 | ước tính | |
| 505 | Inception-ResNet-V2 (Google, 2016) | ~5.6 × 10⁷ | 2016 | ước tính | |
| 506 | Transformer ELMo (Allen Institute for AI, 2019) | 5.6 × 10⁷ | 5.6 × 10⁷ | 2019 | dày đặc |
| 507 | Não ruồi giấm | 5.5 × 10⁷ | 5.5 × 10⁷ | synapse | |
| 508 | NAS with base 8 and shared embeddings (Google Brain, 2016) | 5.4 × 10⁷ | 5.4 × 10⁷ | 2016 | dày đặc |
| 509 | RetinaNet-R101 (Facebook AI Research, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | dày đặc |
| 510 | AWD-LSTM+WT+Cache+IOG (NTT Communication Science Laboratories, 2017) | 5.3 × 10⁷ | 5.3 × 10⁷ | 2017 | dày đặc |
| 511 | Hierarchical Scene Labeling (New York University (NYU), 2013) | 5.2 × 10⁷ | 5.2 × 10⁷ | 2013 | dày đặc |
| 512 | VD-LSTM+REAL Large (Salesforce Research, 2016) | 5.1 × 10⁷ | 5.1 × 10⁷ | 2016 | dày đặc |
| 513 | YOLOv2 (University of Washington, 2016) | ~5.1 × 10⁷ | 2016 | ước tính | |
| 514 | Dropout-LSTM+Noise (Columbia University, 2018) | ~5.1 × 10⁷ | 2018 | ước tính | |
| 515 | LSTM + dynamic eval (University of Edinburgh, 2017) | ~5 × 10⁷ | 2017 | ước tính | |
| 516 | Dropout (University of Toronto, 2012) | ~4.9 × 10⁷ | 2012 | ước tính | |
| 517 | Dropout: SVHN (University of Toronto, 2014) | 4.8 × 10⁷ | 4.8 × 10⁷ | 2014 | dày đặc |
| 518 | DistBelief Speech (Google, 2012) | ~4.7 × 10⁷ | 2012 | ước tính | |
| 519 | AlphaGo Zero (DeepMind, 2017) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2017 | dày đặc |
| 520 | Fine-tuned-AWD-LSTM-DOC (Samsung R&D Institute Russia, 2018) | 4.6 × 10⁷ | 4.6 × 10⁷ | 2018 | dày đặc |
| 521 | CT-MoS (Google, 2020) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2020 | dày đặc |
| 522 | JFT (Google Research, 2017) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2017 | dày đặc |
| 523 | ResNet-101 (Microsoft, 2015) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2015 | dày đặc |
| 524 | HR-ResNet101 (Carnegie Mellon University (CMU), 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | dày đặc |
| 525 | 3DMM-CNN (University of Southern California, 2016) | 4.5 × 10⁷ | 4.5 × 10⁷ | 2016 | dày đặc |
| 526 | LaNet-L (Brown University, 2019) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2019 | dày đặc |
| 527 | ProBERTa (University of Illinois Urbana-Champaign (UIUC), 2020) | 4.4 × 10⁷ | 4.4 × 10⁷ | 2020 | dày đặc |
| 528 | PreTrans-3L-250H (University of Toronto, 2013) | ~4.3 × 10⁷ | 2013 | ước tính | |
| 529 | Inceptionv4 (Google, 2016) | ~4.3 × 10⁷ | 2016 | ước tính | |
| 530 | GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (Ben-Gurion University of the Negev, 2017) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2017 | dày đặc |
| 531 | U-Net (University of Freiburg, 2015) | 3.8 × 10⁷ | 3.8 × 10⁷ | 2015 | dày đặc |
| 532 | NASv3 (Google Brain, 2016) | ~3.7 × 10⁷ | 2016 | ước tính | |
| 533 | MuZero (DeepMind, 2019) | ~3.7 × 10⁷ | 2019 | ước tính | |
| 534 | AWD-LSTM-MoS + dynamic evaluation (Carnegie Mellon University (CMU), 2017) | ~3.5 × 10⁷ | 2017 | ước tính | |
| 535 | AWD-LSTM-MoS+PDR + dynamic evaluation (IBM, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | dày đặc |
| 536 | AWD-LSTM-MoS + dynamic evaluation (Peking University, 2018) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2018 | dày đặc |
| 537 | AWD-LSTM + MoS + Partial Shuffled (University of Texas at Austin, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | dày đặc |
| 538 | Mogrifier (d2, MoS2, MC) + dynamic eval (DeepMind, 2019) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2019 | dày đặc |
| 539 | Mogrifier RLSTM (DeepMind, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | không nêu kiến trúc |
| 540 | RT-1 (Google, 2022) | 3.5 × 10⁷ | 3.5 × 10⁷ | 2022 | không nêu kiến trúc |
| 541 | DenseNet-264 (Tsinghua University, 2016) | 3.4 × 10⁷ | 3.4 × 10⁷ | 2016 | dày đặc |
| 542 | RetinaNet-R50 (Facebook AI Research, 2017) | ~3.4 × 10⁷ | 2017 | ước tính | |
| 543 | Fraternal dropout + AWD-LSTM 3-layer (Jagiellonian University, 2017) | ~3.4 × 10⁷ | 2017 | ước tính | |
| 544 | AWD-LSTM-DRILL + dynamic evaluation† (IDIAP, 2019) | ~3.4 × 10⁷ | 2019 | ước tính | |
| 545 | AWD-LSTM - 3-layer LSTM (Salesforce Research, 2017) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2017 | dày đặc |
| 546 | TCAN (Nanjing University, 2020) | 3.3 × 10⁷ | 3.3 × 10⁷ | 2020 | dày đặc |
| 547 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | ~3.2 × 10⁷ | 2019 | ước tính | |
| 548 | Paragraph Vector (Google, 2014) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2014 | dày đặc |
| 549 | aLSTM (University of Manchester, 2018) | 3.2 × 10⁷ | 3.2 × 10⁷ | 2018 | dày đặc |
| 550 | StyleGAN2 (Nvidia, 2019) | 3 × 10⁷ | 3 × 10⁷ | 2019 | dày đặc |
| 551 | UDSMProt (Fraunhofer Heinrich Hertz Institute, 2019) | ~2.8 × 10⁷ | 2019 | ước tính | |
| 552 | SENet (Chinese Academy of Sciences, 2017) | ~2.8 × 10⁷ | 2017 | ước tính | |
| 553 | Perceiver IO (DeepMind, 2020) | 2.8 × 10⁷ | 2.8 × 10⁷ | 2020 | dày đặc |
| 554 | Fractional Max-Pooling (University of Warwick, 2014) | ~2.7 × 10⁷ | 2014 | ước tính | |
| 555 | Hierarchical Reasoning Model (Sapient Intelligence, 2025) | 2.7 × 10⁷ | 2.7 × 10⁷ | 2025 | không nêu kiến trúc |
| 556 | RNN-WER (DeepMind, 2014) | ~2.6 × 10⁷ | 2014 | ước tính | |
| 557 | StyleGAN (Nvidia, 2018) | 2.6 × 10⁷ | 2.6 × 10⁷ | 2018 | dày đặc |
| 558 | PyramidNet (Korea Advanced Institute of Science and Technology (KAIST), 2017) | ~2.6 × 10⁷ | 2017 | ước tính | |
| 559 | ResNeXt-50 (University of California San Diego, 2016) | ~2.5 × 10⁷ | 2016 | ước tính | |
| 560 | AWD-LSTM (DeepMind, 2017) | 2.4 × 10⁷ | 2.4 × 10⁷ | 2017 | dày đặc |
| 561 | Inception v3 (Google, 2015) | ~2.4 × 10⁷ | 2015 | ước tính | |
| 562 | Mamba-24M (Carnegie Mellon University (CMU), 2023) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2023 | không nêu kiến trúc |
| 563 | WeNet (Amazon, 2019) | ~2.3 × 10⁷ | 2019 | ước tính | |
| 564 | EN^2AS with performance reward (Beijing Institute of Technology, 2019) | ~2.3 × 10⁷ | 2019 | ước tính | |
| 565 | NAS+ESS (Northeastern University (China), 2020) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2020 | dày đặc |
| 566 | Xception (Google, 2016) | 2.3 × 10⁷ | 2.3 × 10⁷ | 2016 | dày đặc |
| 567 | MetaMimic (Google, 2018) | ~2.2 × 10⁷ | 2018 | ước tính | |
| 568 | MMLSTM (Beijing University of Posts and Telecommunications, 2019) | ~2.1 × 10⁷ | 2019 | ước tính | |
| 569 | Pointer Sentinel-LSTM (MetaMind Inc, 2016) | 2.1 × 10⁷ | 2.1 × 10⁷ | 2016 | dày đặc |
| 570 | DiffDock (Massachusetts Institute of Technology (MIT), 2022) | ~2 × 10⁷ | 2022 | ước tính | |
| 571 | EI-REHN-1000D (Korea Advanced Institute of Science and Technology (KAIST), 2017) | 1.9 × 10⁷ | 1.9 × 10⁷ | 2017 | dày đặc |
| 572 | TC-DNN-BLSTM-DNN (Carnegie Mellon University (CMU), 2015) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2015 | dày đặc |
| 573 | OR-WideResNet (Duke University, 2017) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2017 | dày đặc |
| 574 | BP-DBN (University of Toronto, 2009) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2009 | dày đặc |
| 575 | ALBERT (Toyota Technological Institute at Chicago, 2019) | 1.8 × 10⁷ | 1.8 × 10⁷ | 2019 | dày đặc |
| 576 | MedBERT (Peng Cheng Laboratory, 2021) | ~1.7 × 10⁷ | 2021 | ước tính | |
| 577 | LCNP NORB (, 2009) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2009 | dày đặc |
| 578 | LF-MMI (Johns Hopkins University, 2016) | 1.7 × 10⁷ | 1.7 × 10⁷ | 2016 | dày đặc |
| 579 | AlphaFold (DeepMind, 2020) | ~1.6 × 10⁷ | 2020 | ước tính | |
| 580 | GNoME for crystal discovery (Google DeepMind, 2023) | ~1.6 × 10⁷ | 2023 | ước tính | |
| 581 | ReLU (University of Toronto, 2010) | ~1.6 × 10⁷ | 2010 | ước tính | |
| 582 | ProteinBERT (Hebrew University of Jerusalem, 2022) | 1.6 × 10⁷ | 1.6 × 10⁷ | 2022 | không nêu kiến trúc |
| 583 | Eve (Harvard Medical School, 2021) | ~1.5 × 10⁷ | 2021 | ước tính | |
| 584 | LCNP LabelMe (University of Bonn, 2009) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2009 | dày đặc |
| 585 | BatchNorm (Google, 2015) | 1.4 × 10⁷ | 1.4 × 10⁷ | 2015 | dày đặc |
| 586 | Fold2Seq (IBM, 2021) | ~1.2 × 10⁷ | 2021 | ước tính | |
| 587 | NPLM (University of Montreal / Université de Montréal, 2003) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2003 | dày đặc |
| 588 | LCNP MNIST (, 2009) | 1.2 × 10⁷ | 1.2 × 10⁷ | 2009 | dày đặc |
| 589 | ISS (Duke University, 2017) | 1.1 × 10⁷ | 1.1 × 10⁷ | 2017 | dày đặc |
| 590 | ResNet-1001 (Microsoft, 2016) | ~1 × 10⁷ | 2016 | ước tính | |
| 591 | RNN+LDA+KN5+cache (Microsoft, 2012) | ~9 × 10⁶ | 2012 | ước tính | |
| 592 | Gated HORNN (York University, 2016) | ~9 × 10⁶ | 2016 | ước tính | |
| 593 | AlphaGo Fan (DeepMind, 2015) | ~8.2 × 10⁶ | 2015 | ước tính | |
| 594 | genCNN + dyn eval (Chinese Academy of Sciences, 2015) | ~8 × 10⁶ | 2015 | ước tính | |
| 595 | Once for All (MIT-IBM Watson AI Lab, 2020) | 7.7 × 10⁶ | 7.7 × 10⁶ | 2020 | dày đặc |
| 596 | Multi-cell LSTM (University of Hyderabad, 2018) | ~7.2 × 10⁶ | 2018 | ước tính | |
| 597 | Feedforward NN (University of Montreal / Université de Montréal, 2010) | 7.1 × 10⁶ | 7.1 × 10⁶ | 2010 | dày đặc |
| 598 | True-Regularization+Finetune+Dynamic-Eval (Mobvoi, 2019) | 7 × 10⁶ | 7 × 10⁶ | 2019 | dày đặc |
| 599 | Neural LM (University of Montreal / Université de Montréal, 2000) | 6.9 × 10⁶ | 6.9 × 10⁶ | 2000 | dày đặc |
| 600 | GoogLeNet / InceptionV1 (Google, 2014) | 6.8 × 10⁶ | 6.8 × 10⁶ | 2014 | dày đặc |
| 601 | HyenaDNA (Stanford University, 2023) | 6.6 × 10⁶ | 6.6 × 10⁶ | 2023 | không nêu kiến trúc |
| 602 | Dropout (University of Toronto, 2012) | 5.6 × 10⁶ | 5.6 × 10⁶ | 2012 | dày đặc |
| 603 | SimpleNet (Sensifai, 2016) | 5.5 × 10⁶ | 5.5 × 10⁶ | 2016 | dày đặc |
| 604 | AlphaX-1 (Facebook AI Research, 2019) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2019 | dày đặc |
| 605 | 3DDFA (Chinese Academy of Sciences, 2015) | 5.4 × 10⁶ | 5.4 × 10⁶ | 2015 | dày đặc |
| 606 | Deep CNN + COTS (IEEE, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | dày đặc |
| 607 | DCNN (University of Maryland, 2015) | 5 × 10⁶ | 5 × 10⁶ | 2015 | dày đặc |
| 608 | NLP from scratch (NEC Laboratories, 2011) | ~5 × 10⁶ | 2011 | ước tính | |
| 609 | SPN-4+KN5 (Singapore University of Technology & Design, 2014) | ~5 × 10⁶ | 2014 | ước tính | |
| 610 | 6-Act Tether (Facebook AI Research, 2021) | 5 × 10⁶ | 5 × 10⁶ | 2021 | không nêu kiến trúc |
| 611 | High Performance CNN (IDSIA, 2011) | ~4.9 × 10⁶ | 2011 | ước tính | |
| 612 | MobileNet (Google, 2017) | ~4.2 × 10⁶ | 2017 | ước tính | |
| 613 | NPLM (University of Montreal / Université de Montréal, 2003) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2003 | dày đặc |
| 614 | LMICA (, 2004) | 4.1 × 10⁶ | 4.1 × 10⁶ | 2004 | dày đặc |
| 615 | PoE MNIST (University College London (UCL), 2000) | 3.9 × 10⁶ | 3.9 × 10⁶ | 2000 | dày đặc |
| 616 | Dimensionality Reduction (University of Toronto, 2006) | ~3.8 × 10⁶ | 2006 | ước tính | |
| 617 | GOAT (DeepMind, 2021) | ~3.5 × 10⁶ | 2021 | ước tính | |
| 618 | MobileNetV2 (Google, 2018) | ~3.4 × 10⁶ | 2018 | ước tính | |
| 619 | Big-Little Net (IBM, 2018) | ~3.3 × 10⁶ | 2018 | ước tính | |
| 620 | DLWP (University of Washington, 2021) | 2.7 × 10⁶ | 2.7 × 10⁶ | 2021 | không nêu kiến trúc |
| 621 | BIDAF (University of Washington, 2016) | 2.6 × 10⁶ | 2.6 × 10⁶ | 2016 | dày đặc |
| 622 | DeepStack (University of Alberta, 2017) | ~2.5 × 10⁶ | 2017 | ước tính | |
| 623 | KataGo (Jane Street, 2019) | ~2.5 × 10⁶ | 2019 | ước tính | |
| 624 | ShuffleNet v1 (Megvii Inc, 2017) | ~2.4 × 10⁶ | 2017 | ước tính | |
| 625 | ADAM (University of Amsterdam, 2014) | 2.4 × 10⁶ | 2.4 × 10⁶ | 2014 | dày đặc |
| 626 | StyleGAN3-T (Nvidia, 2021) | 2.2 × 10⁶ | 2.2 × 10⁶ | 2021 | không nêu kiến trúc |
| 627 | LSTM+NeuralCache (KU Leuven, 2018) | ~2.1 × 10⁶ | 2018 | ước tính | |
| 628 | HLBL (University of Toronto, 2008) | 1.8 × 10⁶ | 1.8 × 10⁶ | 2008 | dày đặc |
| 629 | ResNet-110 (Microsoft, 2015) | ~1.7 × 10⁶ | 2015 | ước tính | |
| 630 | Dueling DQN (Google DeepMind, 2016) | 1.7 × 10⁶ | 1.7 × 10⁶ | 2016 | dày đặc |
| 631 | DQN-2015 (Google, 2015) | ~1.7 × 10⁶ | 2015 | ước tính | |
| 632 | Rational DQN Average (TU Darmstadt, 2021) | ~1.7 × 10⁶ | 2021 | ước tính | |
| 633 | IBM-5 (IBM, 1993) | ~1.7 × 10⁶ | 1993 | ước tính | |
| 634 | Deep Belief Nets (University of Toronto, 2006) | ~1.6 × 10⁶ | 2006 | ước tính | |
| 635 | IMPALA (DeepMind, 2018) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2018 | dày đặc |
| 636 | StyleGAN3-R (Nvidia, 2021) | 1.6 × 10⁶ | 1.6 × 10⁶ | 2021 | không nêu kiến trúc |
| 637 | Deep Multitask NLP Network (NEC Laboratories, 2008) | ~1.5 × 10⁶ | 2008 | ước tính | |
| 638 | Double DQN (Google DeepMind, 2016) | 1.5 × 10⁶ | 1.5 × 10⁶ | 2016 | dày đặc |
| 639 | CNN committee (IDSIA, 2011) | ~1.4 × 10⁶ | 2011 | ước tính | |
| 640 | SqueezeNet (DeepScale, 2016) | ~1.2 × 10⁶ | 2016 | ước tính | |
| 641 | Neocognitron (NHK Broadcasting Science Research Laboratories, 1980) | 1.1 × 10⁶ | 1.1 × 10⁶ | 1980 | dày đặc |
| 642 | CURL (University of California (UC) Berkeley, 2020) | ~9.1 × 10⁵ | 2020 | ước tính | |
| 643 | DQN (DeepMind, 2013) | 8.4 × 10⁵ | 8.4 × 10⁵ | 2013 | dày đặc |
| 644 | EnhanceNet (Max Planck Institute for Intelligent Systems, 2016) | 8.1 × 10⁵ | 8.1 × 10⁵ | 2016 | dày đặc |
| 645 | Image generation (University of Amsterdam, 2013) | 7.8 × 10⁵ | 7.8 × 10⁵ | 2013 | dày đặc |
| 646 | Hanabi 4 player (DeepMind, 2019) | 7.6 × 10⁵ | 7.6 × 10⁵ | 2019 | dày đặc |
| 647 | TA-CNN (Chinese University of Hong Kong (CUHK), 2014) | ~7.1 × 10⁵ | 2014 | ước tính | |
| 648 | Robot Parkour (Shanghai Qi Zhi institute, 2023) | 5 × 10⁵ | 5 × 10⁵ | 2023 | không nêu kiến trúc |
| 649 | LISSOM (University of Texas at Austin, 1995) | ~4.3 × 10⁵ | 1995 | ước tính | |
| 650 | SPIDER2 (Griffith University, 2016) | ~4.1 × 10⁵ | 2016 | ước tính | |
| 651 | Mixture of linear models (, 1994) | ~3.8 × 10⁵ | 1994 | ước tính | |
| 652 | NPD (IEEE, 2014) | 3.1 × 10⁵ | 3.1 × 10⁵ | 2014 | dày đặc |
| 653 | Pooling CNN (University of Bonn, 2010) | 2.9 × 10⁵ | 2.9 × 10⁵ | 2010 | dày đặc |
| 654 | Pooling CNN (University of Bonn, 2010) | 2.7 × 10⁵ | 2.7 × 10⁵ | 2010 | dày đặc |
| 655 | Two Stage Feature Extraction (New York University (NYU), 2009) | 2.6 × 10⁵ | 2.6 × 10⁵ | 2009 | dày đặc |
| 656 | Vector Space Model (Stanford University, 2011) | 2.5 × 10⁵ | 2.5 × 10⁵ | 2011 | dày đặc |
| 657 | HyperNEAT (University of Texas at Austin, 2014) | ~2.4 × 10⁵ | 2014 | ước tính | |
| 658 | DNN EM segmentation (IDSIA, 2012) | 2.2 × 10⁵ | 2.2 × 10⁵ | 2012 | dày đặc |
| 659 | Predictive Coding NN (Technical University of Munich, 1994) | 2.1 × 10⁵ | 2.1 × 10⁵ | 1994 | dày đặc |
| 660 | Table Tennis Agent (Google DeepMind, 2024) | ~1.9 × 10⁵ | 2024 | ước tính | |
| 661 | CNN Committee (IDSIA, 2011) | ~1.3 × 10⁵ | 2011 | ước tính | |
| 662 | CNN Committee (IDSIA, 2011) | ~1.2 × 10⁵ | 2011 | ước tính | |
| 663 | RECONTRA-uncategorized (, 1999) | ~1.1 × 10⁵ | 1999 | ước tính | |
| 664 | BLSTM for handwriting (University of Bern, 2007) | ~1 × 10⁵ | 2007 | ước tính | |
| 665 | SVM-CNN (New York University (NYU), 2006) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2006 | dày đặc |
| 666 | Invariant CNN (New York University (NYU), 2004) | 9.1 × 10⁴ | 9.1 × 10⁴ | 2004 | dày đặc |
| 667 | SexNet compression (, 1990) | 7.3 × 10⁴ | 7.3 × 10⁴ | 1990 | dày đặc |
| 668 | NeuroChess (, 1994) | ~7.2 × 10⁴ | 1994 | ước tính | |
| 669 | RECONTRA-categorized (, 1999) | ~6.7 × 10⁴ | 1999 | ước tính | |
| 670 | LeNet-5 (AT&T, 1998) | 6 × 10⁴ | 6 × 10⁴ | 1998 | dày đặc |
| 671 | Swift (Intel Labs, 2023) | ~5.7 × 10⁴ | 2023 | ước tính | |
| 672 | TCN (Carnegie Mellon University (CMU), 2018) | 4.2 × 10⁴ | 4.2 × 10⁴ | 2018 | dày đặc |
| 673 | TRPO (University of California (UC) Berkeley, 2015) | 3.4 × 10⁴ | 3.4 × 10⁴ | 2015 | dày đặc |
| 674 | SOM-CNN (, 1997) | 3.2 × 10⁴ | 3.2 × 10⁴ | 1997 | dày đặc |
| 675 | NETtalk reimplementation (Oregon State University, 1990) | 2.7 × 10⁴ | 2.7 × 10⁴ | 1990 | dày đặc |
| 676 | TD-Gammon (IBM, 1992) | ~2.5 × 10⁴ | 1992 | ước tính | |
| 677 | Cognitron (Biological Cybernetics, 1975) | 2.2 × 10⁴ | 2.2 × 10⁴ | 1975 | dày đặc |
| 678 | NetTalk (Princeton University, 1987) | 1.9 × 10⁴ | 1.9 × 10⁴ | 1987 | dày đặc |
| 679 | CFSS (SenseTime, 2015) | ~1.7 × 10⁴ | 2015 | ước tính | |
| 680 | MUSIC perceptron (, 1996) | 1.4 × 10⁴ | 1.4 × 10⁴ | 1996 | dày đặc |
| 681 | AdaRNN (Beihang University, 2014) | 1.3 × 10⁴ | 1.3 × 10⁴ | 2014 | dày đặc |
| 682 | Bidirectional RNN (Advanced Telecommunications Research Institute, 1997) | ~1.3 × 10⁴ | 1997 | ước tính | |
| 683 | Decision tree (Mitsubishi Electric Research Labs, 2001) | ~1.2 × 10⁴ | 2001 | ước tính | |
| 684 | LSTM (Technical University of Munich, 1997) | 1.1 × 10⁴ | 1.1 × 10⁴ | 1997 | dày đặc |
| 685 | MLN-ASR (McGill University, 1988) | 1 × 10⁴ | 1 × 10⁴ | 1988 | dày đặc |
| 686 | Hopfield network (California Institute of Technology, 1982) | ~9.9 × 10³ | 1982 | ước tính | |
| 687 | Zip CNN (AT&T, 1989) | 9.8 × 10³ | 9.8 × 10³ | 1989 | dày đặc |
| 688 | Hierarchical Cognitron (NHK Broadcasting Science Research Laboratories, 1984) | ~9.3 × 10³ | 1984 | ước tính | |
| 689 | Weight Decay (, 1991) | 8.4 × 10³ | 8.4 × 10³ | 1991 | dày đặc |
| 690 | Deep Blue (IBM, 1997) | ~8 × 10³ | 1997 | ước tính | |
| 691 | Giun tròn (C. elegans) | 7 × 10³ | 7 × 10³ | synapse | |
| 692 | System 11 (Carnegie Mellon University (CMU), 1996) | 6.5 × 10³ | 6.5 × 10³ | 1996 | dày đặc |
| 693 | ACF-WIDER (Chinese Academy of Sciences, 2014) | 6.1 × 10³ | 6.1 × 10³ | 2014 | dày đặc |
| 694 | RankNet (Microsoft Research, 2005) | 5.7 × 10³ | 5.7 × 10³ | 2005 | dày đặc |
| 695 | ANN Eye Tracker (, 1993) | 5.6 × 10³ | 5.6 × 10³ | 1993 | dày đặc |
| 696 | JPMAX (, 1994) | ~4.4 × 10³ | 1994 | ước tính | |
| 697 | Kohonen network (Helsinki University of Technology, 1981) | ~4.1 × 10³ | 1981 | ước tính | |
| 698 | Phân loại nguyên âm không phụ thuộc người nói (University of Washington, 1989) | 3 × 10³ | 3 × 10³ | 1989 | dày đặc |
| 699 | Pattern recognition and reading by machine (Sandia Corporation, 1959) | ~2.6 × 10³ | 1959 | ước tính | |
| 700 | Handwritten digit recognition network (AT&T, 1989) | 2.6 × 10³ | 2.6 × 10³ | 1989 | dày đặc |
| 701 | Boosting (Bell Laboratories, 1992) | ~2.6 × 10³ | 1992 | ước tính | |
| 702 | Decision tree adaline (Tokyo Medical and Dental University, 1969) | 2.5 × 10³ | 2.5 × 10³ | 1969 | dày đặc |
| 703 | LTE speaker verification system (IBM, 1966) | ~2.1 × 10³ | 1966 | ước tính | |
| 704 | Ceramic-MLP (Sapienza Università di Roma, 1994) | ~1.9 × 10³ | 1994 | ước tính | |
| 705 | SexNet classification (, 1990) | ~1.6 × 10³ | 1990 | ước tính | |
| 706 | RAAM (, 1990) | 1.5 × 10³ | 1.5 × 10³ | 1990 | dày đặc |
| 707 | Super-vector coding (University of Illinois Urbana-Champaign (UIUC), 2010) | ~1 × 10³ | 2010 | ước tính | |
| 708 | Perceptron Mark I (Cornell Aeronautical Laboratory, 1957) | ~1 × 10³ | 1957 | ước tính | |
| 709 | Perceptron (Cornell Aeronautical Laboratory, 1960) | ~1 × 10³ | 1960 | ước tính | |
| 710 | Translation-invariant MLP (Carnegie Mellon University (CMU), 1987) | 8.2 × 10² | 8.2 × 10² | 1987 | hỗn hợp chuyên gia (số tham số hoạt động không công bố) |
| 711 | Truck backer-upper (Stanford University, 1989) | 8.1 × 10² | 8.1 × 10² | 1989 | dày đặc |
| 712 | Siamese-TDNN (Bell Laboratories, 1993) | ~7.4 × 10² | 1993 | ước tính | |
| 713 | MLP with back-propagation (University of California San Diego, 1986) | 7.2 × 10² | 7.2 × 10² | 1986 | dày đặc |
| 714 | Dự đoán cơ chế thuốc ung thư (National Cancer Institute, 1992) | ~5.9 × 10² | 1992 | ước tính | |
| 715 | Distributed representation NN (Carnegie Mellon University (CMU), 1986) | 4.3 × 10² | 4.3 × 10² | 1986 | dày đặc |
| 716 | Piecewise linear model (University of Kansas, 1973) | 3.6 × 10² | 3.6 × 10² | 1973 | dày đặc |
| 717 | ASE+ACE (University of Massachusetts Amherst, 1983) | ~3.2 × 10² | 1983 | ước tính | |
| 718 | LSTM with forget gates (IDSIA, 1999) | ~2.8 × 10² | 1999 | ước tính | |
| 719 | Self Organizing System (Massachusetts Institute of Technology (MIT), 1955) | ~2.3 × 10² | 1955 | ước tính | |
| 720 | Theseus (Bell Laboratories, 1950) | 4 × 10¹ | 4 × 10¹ | 1950 | dày đặc |
| 721 | SNARC (Harvard University, 1952) | ~4 × 10¹ | 1952 | ước tính | |
| 722 | Bankruptcy-NN (, 1990) | 3.6 × 10¹ | 3.6 × 10¹ | 1990 | dày đặc |
| 723 | GNN (University of Siena, 2008) | 3 × 10¹ | 3 × 10¹ | 2008 | dày đặc |
| 724 | ADALINE (Stanford University, 1960) | 1.7 × 10¹ | 1.7 × 10¹ | 1960 | dày đặc |
| 725 | Samuel Neural Checkers (IBM, 1959) | ~1.6 × 10¹ | 1959 | ước tính |
Các tập thể
Các biểu đồ này xếp hạng xã hội động vật, tôn giáo, quốc gia, đảng phái và công ty theo hai cách. Một là theo số thành viên. Hai là theo số nơ-ron tương đương, vốn tính trọng số cho mỗi thành viên theo phần thời gian thức mà chỉ dẫn của nhóm chi phối. Giáo luật, luật pháp, quy tắc đảng và bản mô tả công việc đều được tính như nhau. Tất cả đều là các tập chỉ dẫn, nên chúng tôi đo chúng bằng cùng một quy tắc. Cách ước tính thời gian có định hướng.
- Cộng đồng tinh tinh▲17.4 × 10¹¹
- Đàn kiến cắt lá▼16.3 × 10¹¹
- Cộng đồng tinh tinh lùn▲24.4 × 10¹¹
- Trại Hadza (con người, để làm mốc)4.1 × 10¹¹
- Bầy cá voi sát thủ Bigg▼22.6 × 10¹¹
- Dòng mẫu hệ cá voi sát thủ cư trú2.4 × 10¹¹
- Bầy khỉ đầu chó8.6 × 10¹⁰
- Liên minh cá heo mũi chai▲17.6 × 10¹⁰
- Đơn vị xã hội cá voi nhà táng▲16.4 × 10¹⁰
- Đàn ong mật▼25.8 × 10¹⁰
- Gia đình voi5.6 × 10¹⁰
- Đàn quạ xanh thông5.3 × 10¹⁰
- Gia tộc linh cẩu đốm2.2 × 10¹⁰
- Bầy chó hoang châu Phi7.2 × 10⁹
- Bầy sói4.2 × 10⁹
- Nhóm cầy meerkat1.7 × 10⁹
- Đàn chuột chũi trần4.1 × 10⁸
Hiện các con số
| # | Nhóm | Nơ-ron trong nhóm | Trong hoạt động nhóm | Thành viên | Tỷ lệ được điều hướng | Loại tiếng gọi |
|---|---|---|---|---|---|---|
| 1 | Cộng đồng tinh tinh | 7.4 × 10¹¹ | 2.5 × 10¹¹ | 100 | 34% | — |
| 2 | Đàn kiến cắt lá | 6.3 × 10¹¹ | 5 × 10¹¹ | 2,5 triệu | 80% | — |
| 3 | Cộng đồng tinh tinh lùn | 4.4 × 10¹¹ | 1.9 × 10¹¹ | 59 | 43% | — |
| 4 | Trại Hadza (con người, để làm mốc) | 4.1 × 10¹¹ | 2.1 × 10¹¹ | 25 | 53% | — |
| 5 | Bầy cá voi sát thủ Bigg | 2.6 × 10¹¹ | 2.4 × 10¹¹ | 6 | 91% | — |
| 6 | Dòng mẫu hệ cá voi sát thủ cư trú | 2.4 × 10¹¹ | 1.7 × 10¹¹ | 6 | 70% | 11 |
| 7 | Bầy khỉ đầu chó | 8.6 × 10¹⁰ | 5.2 × 10¹⁰ | 30 | 60% | 9 |
| 8 | Liên minh cá heo mũi chai | 7.6 × 10¹⁰ | 4.2 × 10¹⁰ | 6 | 55% | — |
| 9 | Đơn vị xã hội cá voi nhà táng | 6.4 × 10¹⁰ | 4.1 × 10¹⁰ | 8 | 65% | — |
| 10 | Đàn ong mật | 5.8 × 10¹⁰ | 4.9 × 10¹⁰ | 60,000 | 85% | — |
| 11 | Gia đình voi | 5.6 × 10¹⁰ | 3.2 × 10¹⁰ | 10 | 57% | — |
| 12 | Đàn quạ xanh thông | 5.3 × 10¹⁰ | 3.2 × 10¹⁰ | 100 | 60% | — |
| 13 | Gia tộc linh cẩu đốm | 2.2 × 10¹⁰ | 6.7 × 10⁹ | 45 | 30% | 11 |
| 14 | Bầy chó hoang châu Phi | 7.2 × 10⁹ | 4.8 × 10⁹ | 14 | 67% | 11 |
| 15 | Bầy sói | 4.2 × 10⁹ | 2.6 × 10⁹ | 8 | 63% | — |
| 16 | Nhóm cầy meerkat | 1.7 × 10⁹ | 1 × 10⁹ | 15 | 57% | 12 |
| 17 | Đàn chuột chũi trần | 4.1 × 10⁸ | 2.9 × 10⁸ | 78 | 70% | — |
- Cơ Đốc giáo▲12,27 tỷ
- Hồi giáo▼12,02 tỷ
- Ấn Độ giáo1,18 tỷ
- Tôn giáo dân gian400 triệu
- Phật giáo324,19 triệu
- Các tôn giáo truyền thống châu Phi▲198,73 triệu
- Thần đạo▲187,92 triệu
- Sikh giáo▲125 triệu
- Do Thái giáo▼314,78 triệu
- Đạo giáo▲18 triệu
- Đạo Baha'i▲18 triệu
- Pháp Luân Công▲17 triệu
- Kỳ Na giáo▼34,45 triệu
- Thông linh giáo3,8 triệu
- Cao Đài2,5 triệu
- Thiên Lý giáo1,12 triệu
- Brahma Kumaris1 triệu
Hiện các con số
| # | Tôn giáo | Thành viên | Làm theo chỉ dẫn của nó | Tỷ lệ được điều hướng | Giờ mỗi tuần |
|---|---|---|---|---|---|
| 1 | Cơ Đốc giáo | 2,27 tỷ | 1.7 × 10¹⁸ | 0.88% | 0.9 h |
| 2 | Hồi giáo | 2,02 tỷ | 8.9 × 10¹⁸ | 5.1% | 5.4 h |
| 3 | Ấn Độ giáo | 1,18 tỷ | 1.6 × 10¹⁸ | 1.6% | 1.6 h |
| 4 | Tôn giáo dân gian | 400 triệu | 2 × 10¹⁷ | 0.59% (số thay thế) | 0.6 h |
| 5 | Phật giáo | 324,19 triệu | 7.5 × 10¹⁶ | 0.27% | 0.3 h |
| 6 | Các tôn giáo truyền thống châu Phi | 98,73 triệu | 5 × 10¹⁶ | 0.59% (số thay thế) | 0.6 h |
| 7 | Thần đạo | 87,92 triệu | 4.5 × 10¹⁶ | 0.59% (số thay thế) | 0.6 h |
| 8 | Sikh giáo | 25 triệu | 3.7 × 10¹⁶ | 1.7% | 1.8 h |
| 9 | Do Thái giáo | 14,78 triệu | 5.3 × 10¹⁶ | 4.2% | 4.4 h |
| 10 | Đạo giáo | 8 triệu | 4.1 × 10¹⁵ | 0.59% (số thay thế) | 0.6 h |
| 11 | Đạo Baha'i | 8 triệu | 4.1 × 10¹⁵ | 0.59% (số thay thế) | 0.6 h |
| 12 | Pháp Luân Công | 7 triệu | 3.6 × 10¹⁵ | 0.59% (số thay thế) | 0.6 h |
| 13 | Kỳ Na giáo | 4,45 triệu | 1.8 × 10¹⁶ | 4.6% | 4.8 h |
| 14 | Thông linh giáo | 3,8 triệu | 1.9 × 10¹⁵ | 0.59% (số thay thế) | 0.6 h |
| 15 | Cao Đài | 2,5 triệu | 1.3 × 10¹⁵ | 0.59% (số thay thế) | 0.6 h |
| 16 | Thiên Lý giáo | 1,12 triệu | 5.7 × 10¹⁴ | 0.59% (số thay thế) | 0.6 h |
| 17 | Brahma Kumaris | 1 triệu | 5.1 × 10¹⁴ | 0.59% (số thay thế) | 0.6 h |
- Ấn Độ▲11,46 tỷ
- Trung Quốc▼11,41 tỷ
- Mỹ341,78 triệu
- Indonesia285,72 triệu
- Pakistan▲5255,22 triệu
- Nigeria▲1237,53 triệu
- Brazil▼2212,81 triệu
- Bangladesh▲5175,69 triệu
- Nga▼3143,51 triệu
- Ethiopia▲7135,47 triệu
- Mexico▼2131,95 triệu
- Nhật Bản▲11123,37 triệu
- Ai Cập▼2118,37 triệu
- Philippines116,79 triệu
- CHDC Congo▼3112,83 triệu
Hiện các con số
| # | Nhà nước | Cư dân | Làm theo chỉ dẫn của nó | Tỷ lệ được điều hướng | Giờ mỗi tuần |
|---|---|---|---|---|---|
| 1 | Ấn Độ | 1,46 tỷ | 2.5 × 10¹⁸ | 2% | 2.1 h |
| 2 | Trung Quốc | 1,41 tỷ | 5 × 10¹⁸ | 4.1% | 4.3 h |
| 3 | Mỹ | 341,78 triệu | 1.6 × 10¹⁸ | 5.6% | 5.8 h |
| 4 | Indonesia | 285,72 triệu | 1 × 10¹⁸ | 4.2% | 4.4 h |
| 5 | Pakistan | 255,22 triệu | 5.7 × 10¹⁷ | 2.6% | 2.7 h |
| 6 | Nigeria | 237,53 triệu | 6.6 × 10¹⁷ | 3.2% | 3.4 h |
| 7 | Brazil | 212,81 triệu | 8.7 × 10¹⁷ | 4.8% | 5 h |
| 8 | Bangladesh | 175,69 triệu | 4.6 × 10¹⁷ | 3% | 3.1 h |
| 9 | Nga | 143,51 triệu | 7.5 × 10¹⁷ | 6.1% | 6.4 h |
| 10 | Ethiopia | 135,47 triệu | 3.9 × 10¹⁷ | 3.4% | 3.5 h |
| 11 | Mexico | 131,95 triệu | 5.9 × 10¹⁷ | 5.2% | 5.5 h |
| 12 | Nhật Bản | 123,37 triệu | 2.8 × 10¹⁷ | 2.7% | 2.8 h |
| 13 | Ai Cập | 118,37 triệu | 5.5 × 10¹⁷ | 5.4% | 5.7 h |
| 14 | Philippines | 116,79 triệu | 4.4 × 10¹⁷ | 4.4% | 4.6 h |
| 15 | CHDC Congo | 112,83 triệu | 4.7 × 10¹⁷ | 4.8% | 5.1 h |
| 16 | Việt Nam | 101,6 triệu | 4.2 × 10¹⁷ | 4.8% | 5 h |
| 17 | Iran | 92,42 triệu | 3.5 × 10¹⁷ | 4.3% | 4.6 h |
| 18 | Thổ Nhĩ Kỳ | 85,88 triệu | 4.3 × 10¹⁷ | 5.8% | 6 h |
| 19 | Đức | 83,49 triệu | 2.9 × 10¹⁷ | 4% | 4.2 h |
| 20 | Thái Lan | 71,62 triệu | 2.4 × 10¹⁷ | 3.9% | 4.1 h |
| 21 | Tanzania | 70,55 triệu | 2.2 × 10¹⁷ | 3.6% | 3.8 h |
| 22 | Anh | 69,49 triệu | 2.8 × 10¹⁷ | 4.6% | 4.8 h |
| 23 | Pháp | 68,72 triệu | 3.1 × 10¹⁷ | 5.3% | 5.5 h |
| 24 | Nam Phi | 64,75 triệu | 2.9 × 10¹⁷ | 5.1% | 5.4 h |
| 25 | Ý | 58,92 triệu | 2.1 × 10¹⁷ | 4.2% | 4.4 h |
| 26 | Kenya | 57,53 triệu | 2.3 × 10¹⁷ | 4.7% | 5 h |
| 27 | Myanmar | 54,85 triệu | 1.9 × 10¹⁷ | 4% | 4.2 h |
| 28 | Colombia | 53,43 triệu | 1.7 × 10¹⁷ | 3.7% | 3.9 h |
| 29 | Hàn Quốc | 51,68 triệu | 1.4 × 10¹⁷ | 3% | 3.2 h |
| 30 | Sudan | 51,66 triệu | 1.5 × 10¹⁷ | 3.4% | 3.6 h |
| 31 | Uganda | 51,38 triệu | 1.5 × 10¹⁷ | 3.4% | 3.6 h |
| 32 | Tây Ban Nha | 49,36 triệu | 1.8 × 10¹⁷ | 4.2% | 4.3 h |
| 33 | Algeria | 47,44 triệu | 3.2 × 10¹⁷ | 7.9% | 8.3 h |
| 34 | Iraq | 47,02 triệu | 1.1 × 10¹⁷ | 2.8% | 2.9 h |
| 35 | Argentina | 45,85 triệu | 1.7 × 10¹⁷ | 4.4% | 4.6 h |
| 36 | Afghanistan | 43,84 triệu | 1.8 × 10¹⁷ | 4.8% | 5 h |
| 37 | Yemen | 41,77 triệu | 1.3 × 10¹⁷ | 3.7% | 3.9 h |
| 38 | Canada | 41,65 triệu | 2 × 10¹⁷ | 5.5% | 5.8 h |
| 39 | Angola | 39,04 triệu | 1.4 × 10¹⁷ | 4.2% | 4.4 h |
| 40 | Ukraina | 38,98 triệu | 2.1 × 10¹⁷ | 6.2% | 6.5 h |
| 41 | Maroc | 38,43 triệu | 1.5 × 10¹⁷ | 4.5% | 4.7 h |
| 42 | Uzbekistan | 37,05 triệu | 2 × 10¹⁷ | 6.3% | 6.6 h |
| 43 | Ả Rập Xê Út | 36,97 triệu | 1.4 × 10¹⁷ | 4.3% | 4.6 h |
| 44 | Ba Lan | 36,44 triệu | 2.1 × 10¹⁷ | 6.7% | 7 h |
| 45 | Malaysia | 35,98 triệu | 1.8 × 10¹⁷ | 5.8% | 6.1 h |
| 46 | Mozambique | 35,63 triệu | 1.5 × 10¹⁷ | 4.8% | 5.1 h |
| 47 | Ghana | 35,06 triệu | 1.2 × 10¹⁷ | 3.9% | 4.1 h |
| 48 | Peru | 34,58 triệu | 1.4 × 10¹⁷ | 4.8% | 5 h |
| 49 | Madagascar | 32,74 triệu | 9.4 × 10¹⁶ | 3.3% | 3.5 h |
| 50 | Côte d’Ivoire | 32,71 triệu | 9.5 × 10¹⁶ | 3.4% | 3.5 h |
| 51 | Cameroon | 29,88 triệu | 9.8 × 10¹⁶ | 3.8% | 4 h |
| 52 | Nepal | 29,62 triệu | 1.1 × 10¹⁷ | 4.2% | 4.4 h |
| 53 | Venezuela | 28,52 triệu | 1.5 × 10¹⁷ | 6.1% | 6.4 h |
| 54 | Niger | 27,92 triệu | 6.4 × 10¹⁶ | 2.6% | 2.8 h |
| 55 | Úc | 27,61 triệu | 1.1 × 10¹⁷ | 4.7% | 5 h |
| 56 | Triều Tiên | 26,57 triệu | 6.6 × 10¹⁷ | 29% | 30.1 h |
| 57 | Syria | 25,62 triệu | 9.8 × 10¹⁶ | 4.4% | 4.6 h |
| 58 | Mali | 25,2 triệu | 4.9 × 10¹⁶ | 2.3% | 2.4 h |
| 59 | Burkina Faso | 24,07 triệu | 5.7 × 10¹⁶ | 2.8% | 2.9 h |
| 60 | Đài Loan | 23,31 triệu | 1 × 10¹⁷ | 5% | 5.3 h |
| 61 | Malawi | 22,22 triệu | 1 × 10¹⁷ | 5.4% | 5.6 h |
| 62 | Zambia | 21,91 triệu | 10 × 10¹⁶ | 5.3% | 5.5 h |
| 63 | Sri Lanka | 21,76 triệu | 1.1 × 10¹⁷ | 6% | 6.3 h |
| 64 | Chad | 21 triệu | 4.9 × 10¹⁶ | 2.7% | 2.9 h |
| 65 | Kazakhstan | 20,84 triệu | 1.4 × 10¹⁷ | 7.6% | 7.9 h |
| 66 | Chile | 19,86 triệu | 6.2 × 10¹⁶ | 3.6% | 3.8 h |
| 67 | Somalia | 19,65 triệu | 1.5 × 10¹⁶ | 0.88% | 0.9 h |
| 68 | Romania | 19,02 triệu | 7.5 × 10¹⁶ | 4.6% | 4.8 h |
| 69 | Senegal | 18,93 triệu | 5.9 × 10¹⁶ | 3.6% | 3.8 h |
| 70 | Guatemala | 18,69 triệu | 6 × 10¹⁶ | 3.7% | 3.9 h |
| 71 | Ecuador | 18,29 triệu | 6.6 × 10¹⁶ | 4.2% | 4.4 h |
| 72 | Hà Lan | 18,09 triệu | 7.6 × 10¹⁶ | 4.9% | 5.1 h |
| 73 | Campuchia | 17,85 triệu | 7.4 × 10¹⁶ | 4.8% | 5.1 h |
| 74 | Zimbabwe | 16,95 triệu | 6.1 × 10¹⁶ | 4.2% | 4.4 h |
| 75 | Guinea | 15,1 triệu | 3.1 × 10¹⁶ | 2.4% | 2.5 h |
| 76 | Benin | 14,81 triệu | 4.4 × 10¹⁶ | 3.4% | 3.6 h |
| 77 | Rwanda | 14,57 triệu | 7 × 10¹⁶ | 5.6% | 5.8 h |
| 78 | Burundi | 14,39 triệu | 5.2 × 10¹⁶ | 4.2% | 4.4 h |
| 79 | Bolivia | 12,58 triệu | 5.8 × 10¹⁶ | 5.4% | 5.6 h |
| 80 | Tunisia | 12,35 triệu | 6.4 × 10¹⁶ | 6% | 6.3 h |
| 81 | Nam Sudan | 12,19 triệu | 4.4 × 10¹⁶ | 4.2% | 4.4 h |
| 82 | Bỉ | 11,94 triệu | 4.5 × 10¹⁶ | 4.3% | 4.5 h |
| 83 | Haiti | 11,91 triệu | 1.9 × 10¹⁶ | 1.8% | 1.9 h |
| 84 | Jordan | 11,52 triệu | 4.9 × 10¹⁶ | 5% | 5.2 h |
| 85 | Cộng hòa Dominicana | 11,52 triệu | 4.9 × 10¹⁶ | 4.9% | 5.2 h |
| 86 | Các Tiểu vương quốc Ả Rập Thống nhất | 11,51 triệu | 3.1 × 10¹⁶ | 3.1% | 3.2 h |
| 87 | Honduras | 11,01 triệu | 3.2 × 10¹⁶ | 3.3% | 3.5 h |
| 88 | Cuba | 10,94 triệu | 1.6 × 10¹⁷ | 17% | 17.4 h |
| 89 | Séc | 10,89 triệu | 5.8 × 10¹⁶ | 6.2% | 6.5 h |
| 90 | Bồ Đào Nha | 10,8 triệu | 5.1 × 10¹⁶ | 5.5% | 5.7 h |
| 91 | Tajikistan | 10,79 triệu | 5.3 × 10¹⁶ | 5.7% | 6 h |
| 92 | Papua New Guinea | 10,76 triệu | 4.3 × 10¹⁶ | 4.6% | 4.8 h |
| 93 | Thụy Điển | 10,6 triệu | 6.8 × 10¹⁶ | 7.5% | 7.8 h |
| 94 | Hy Lạp | 10,41 triệu | 4.9 × 10¹⁶ | 5.4% | 5.7 h |
| 95 | Azerbaijan | 10,25 triệu | 6.2 × 10¹⁶ | 7% | 7.4 h |
| 96 | Israel | 10,12 triệu | 6.4 × 10¹⁶ | 7.3% | 7.7 h |
| 97 | Hungary | 9,51 triệu | 5.7 × 10¹⁶ | 6.9% | 7.3 h |
| 98 | Áo | 9,21 triệu | 2.5 × 10¹⁶ | 3.2% | 3.4 h |
| 99 | Thụy Sĩ | 9,09 triệu | 3.9 × 10¹⁶ | 5% | 5.3 h |
| 100 | Belarus | 9,09 triệu | 7.9 × 10¹⁶ | 10% | 10.6 h |
| 101 | Sierra Leone | 8,82 triệu | 4.9 × 10¹⁶ | 6.5% | 6.8 h |
| 102 | Togo | 8,59 triệu | 3 × 10¹⁶ | 4% | 4.2 h |
| 103 | Lào | 7,87 triệu | 3.2 × 10¹⁶ | 4.8% | 5 h |
| 104 | Turkmenistan | 7,62 triệu | 4.2 × 10¹⁶ | 6.5% | 6.8 h |
| 105 | Libya | 7,46 triệu | 3.9 × 10¹⁶ | 6.1% | 6.4 h |
| 106 | Kyrgyzstan | 7,34 triệu | 4.1 × 10¹⁶ | 6.5% | 6.8 h |
| 107 | Paraguay | 7,01 triệu | 2.9 × 10¹⁶ | 4.8% | 5.1 h |
| 108 | Nicaragua | 7,01 triệu | 2.8 × 10¹⁶ | 4.6% | 4.8 h |
| 109 | Serbia | 6,55 triệu | 4.1 × 10¹⁶ | 7.2% | 7.5 h |
| 110 | Cộng hòa Congo | 6,48 triệu | 1.7 × 10¹⁶ | 3% | 3.1 h |
| 111 | Bulgaria | 6,43 triệu | 3.3 × 10¹⁶ | 5.9% | 6.2 h |
| 112 | El Salvador | 6,37 triệu | 3.2 × 10¹⁶ | 5.8% | 6.1 h |
| 113 | Singapore | 6,11 triệu | 1.9 × 10¹⁶ | 3.6% | 3.7 h |
| 114 | Đan Mạch | 6,01 triệu | 3.9 × 10¹⁶ | 7.6% | 8 h |
| 115 | Liban | 5,85 triệu | 1.5 × 10¹⁶ | 3% | 3.1 h |
| 116 | Liberia | 5,73 triệu | 1.5 × 10¹⁶ | 3.1% | 3.3 h |
| 117 | Phần Lan | 5,65 triệu | 3.2 × 10¹⁶ | 6.6% | 6.9 h |
| 118 | Na Uy | 5,61 triệu | 3.7 × 10¹⁶ | 7.6% | 8 h |
| 119 | Cộng hòa Trung Phi | 5,51 triệu | 1.7 × 10¹⁶ | 3.5% | 3.7 h |
| 120 | Oman | 5,49 triệu | 2.9 × 10¹⁶ | 6.2% | 6.5 h |
| 121 | Ireland | 5,48 triệu | 3.4 × 10¹⁶ | 7.2% | 7.6 h |
| 122 | Slovakia | 5,41 triệu | 3.1 × 10¹⁶ | 6.7% | 7 h |
| 123 | Palestine | 5,41 triệu | 2 × 10¹⁶ | 4.3% | 4.5 h |
| 124 | New Zealand | 5,32 triệu | 2.7 × 10¹⁶ | 5.9% | 6.2 h |
| 125 | Mauritania | 5,32 triệu | 2 × 10¹⁶ | 4.3% | 4.5 h |
| 126 | Costa Rica | 5,15 triệu | 2.6 × 10¹⁶ | 5.9% | 6.2 h |
| 127 | Kuwait | 4,87 triệu | 2.7 × 10¹⁶ | 6.5% | 6.8 h |
| 128 | Panama | 4,57 triệu | 2.3 × 10¹⁶ | 5.9% | 6.2 h |
| 129 | Georgia | 3,94 triệu | 2.1 × 10¹⁶ | 6.1% | 6.4 h |
| 130 | Croatia | 3,88 triệu | 2.2 × 10¹⁶ | 6.7% | 7 h |
| 131 | Eritrea | 3,61 triệu | 1.5 × 10¹⁶ | 5% | 5.2 h |
| 132 | Mông Cổ | 3,57 triệu | 2.2 × 10¹⁶ | 7% | 7.3 h |
| 133 | Uruguay | 3,38 triệu | 1.7 × 10¹⁶ | 5.9% | 6.2 h |
| 134 | Bosnia và Herzegovina | 3,14 triệu | 1.6 × 10¹⁶ | 5.9% | 6.2 h |
| 135 | Namibia | 3,09 triệu | 1.8 × 10¹⁶ | 6.9% | 7.2 h |
| 136 | Armenia | 3,09 triệu | 1.7 × 10¹⁶ | 6.5% | 6.8 h |
| 137 | Qatar | 2,97 triệu | 9.6 × 10¹⁵ | 3.8% | 3.9 h |
| 138 | Lithuania | 2,89 triệu | 1.8 × 10¹⁶ | 7.4% | 7.7 h |
| 139 | Jamaica | 2,84 triệu | 1.2 × 10¹⁶ | 5% | 5.2 h |
| 140 | Gambia | 2,82 triệu | 1.1 × 10¹⁶ | 4.5% | 4.7 h |
| 141 | Gabon | 2,59 triệu | 9.9 × 10¹⁵ | 4.4% | 4.6 h |
| 142 | Botswana | 2,56 triệu | 1.3 × 10¹⁶ | 5.7% | 6 h |
| 143 | Lesotho | 2,36 triệu | 9.5 × 10¹⁵ | 4.7% | 4.9 h |
| 144 | Moldova | 2,36 triệu | 1.5 × 10¹⁶ | 7.3% | 7.6 h |
| 145 | Albania | 2,35 triệu | 1.2 × 10¹⁶ | 5.7% | 6 h |
| 146 | Guinea-Bissau | 2,25 triệu | 5.7 × 10¹⁵ | 2.9% | 3.1 h |
| 147 | Slovenia | 2,13 triệu | 1.2 × 10¹⁶ | 6.6% | 6.9 h |
| 148 | Guinea Xích đạo | 1,94 triệu | 4 × 10¹⁵ | 2.4% | 2.5 h |
| 149 | Latvia | 1,85 triệu | 1.2 × 10¹⁶ | 7.6% | 7.9 h |
| 150 | Bắc Macedonia | 1,82 triệu | 9.2 × 10¹⁵ | 5.9% | 6.2 h |
| 151 | Bahrain | 1,6 triệu | 5.9 × 10¹⁵ | 4.3% | 4.5 h |
| 152 | Kosovo | 1,58 triệu | 8 × 10¹⁵ | 5.9% | 6.2 h |
| 153 | Đông Timor | 1,42 triệu | 8 × 10¹⁵ | 6.6% | 6.9 h |
| 154 | Síp | 1,37 triệu | 5.5 × 10¹⁵ | 4.7% | 4.9 h |
| 155 | Trinidad và Tobago | 1,37 triệu | 9.3 × 10¹⁵ | 7.9% | 8.2 h |
| 156 | Estonia | 1,37 triệu | 8.3 × 10¹⁵ | 7% | 7.4 h |
| 157 | Eswatini | 1,26 triệu | 7.5 × 10¹⁵ | 6.9% | 7.2 h |
| 158 | Mauritius | 1,24 triệu | 5.1 × 10¹⁵ | 4.8% | 5 h |
| 159 | Djibouti | 1,18 triệu | 4.6 × 10¹⁵ | 4.5% | 4.8 h |
| 160 | Fiji | 933,154 | 5.6 × 10¹⁵ | 7% | 7.4 h |
| 161 | Comoros | 882,847 | 3.5 × 10¹⁵ | 4.6% | 4.8 h |
| 162 | Quần đảo Solomon | 838,645 | 3.2 × 10¹⁵ | 4.4% | 4.6 h |
| 163 | Guyana | 835,986 | 4.6 × 10¹⁵ | 6.4% | 6.7 h |
| 164 | Bhutan | 796,682 | 5.8 × 10¹⁵ | 8.5% | 8.9 h |
| 165 | Luxembourg | 686,970 | 2.4 × 10¹⁵ | 4% | 4.2 h |
| 166 | Suriname | 639,850 | 3.7 × 10¹⁵ | 6.7% | 7.1 h |
| 167 | Montenegro | 623,129 | 4.3 × 10¹⁵ | 8.1% | 8.5 h |
| 168 | Malta | 579,704 | 3.1 × 10¹⁵ | 6.2% | 6.5 h |
| 169 | Maldives | 529,676 | 4.7 × 10¹⁵ | 10% | 10.8 h |
| 170 | Cabo Verde | 527,326 | 3.3 × 10¹⁵ | 7.2% | 7.6 h |
| 171 | Brunei | 466,330 | 3.6 × 10¹⁵ | 8.9% | 9.3 h |
| 172 | Belize | 422,924 | 1.1 × 10¹⁵ | 2.9% | 3.1 h |
| 173 | Bahamas | 403,033 | 2.2 × 10¹⁵ | 6.4% | 6.7 h |
| 174 | Iceland | 392,404 | 2.5 × 10¹⁵ | 7.4% | 7.7 h |
| 175 | Vanuatu | 335,169 | 2 × 10¹⁵ | 6.9% | 7.3 h |
| 176 | Barbados | 282,623 | 1.5 × 10¹⁵ | 6% | 6.3 h |
| 177 | São Tomé và Príncipe | 240,254 | 1.1 × 10¹⁵ | 5.4% | 5.7 h |
| 178 | Samoa | 219,306 | 1.1 × 10¹⁵ | 5.7% | 5.9 h |
| 179 | Saint Lucia | 180,149 | 9.3 × 10¹⁴ | 6% | 6.3 h |
| 180 | Kiribati | 136,488 | 7.6 × 10¹⁴ | 6.4% | 6.7 h |
| 181 | Seychelles | 122,730 | 8.9 × 10¹⁴ | 8.4% | 8.8 h |
| 182 | Grenada | 117,303 | 7.3 × 10¹⁴ | 7.2% | 7.5 h |
| 183 | Micronesia | 113,683 | 5.7 × 10¹⁴ | 5.8% | 6.1 h |
| 184 | Tonga | 103,742 | 5.9 × 10¹⁴ | 6.6% | 6.9 h |
| 185 | Saint Vincent và Grenadines | 99,924 | 4.9 × 10¹⁴ | 5.7% | 5.9 h |
| 186 | Antigua và Barbuda | 94,209 | 6.5 × 10¹⁴ | 8% | 8.3 h |
| 187 | Andorra | 82,904 | 3.9 × 10¹⁴ | 5.5% | 5.8 h |
| 188 | Dominica | 65,871 | 2.3 × 10¹⁴ | 4.1% | 4.3 h |
| 189 | Saint Kitts và Nevis | 46,922 | 2.1 × 10¹⁴ | 5.2% | 5.5 h |
| 190 | Liechtenstein | 41,024 | 2 × 10¹⁴ | 5.7% | 5.9 h |
| 191 | Monaco | 38,341 | 2.3 × 10¹⁴ | 6.9% | 7.3 h |
| 192 | Quần đảo Marshall | 36,282 | 3.3 × 10¹⁴ | 10% | 10.9 h |
| 193 | San Marino | 34,109 | 1.3 × 10¹⁴ | 4.6% | 4.8 h |
| 194 | Palau | 17,663 | 1.6 × 10¹⁴ | 10% | 11 h |
| 195 | Nauru | 12,025 | 9.3 × 10¹³ | 9% | 9.4 h |
| 196 | Tuvalu | 9,492 | 8 × 10¹³ | 9.8% | 10.2 h |
- Bharatiya Janata Party (Ấn Độ)▲1140 triệu
- Đảng Cộng sản Trung Quốc▼1101,29 triệu
- Democratic Party (Mỹ)▲1344,9 triệu
- Republican Party (Mỹ)▲1638 triệu
- Indian National Congress▼226 triệu
- AIADMK (Ấn Độ)▼220,04 triệu
- DMK (Ấn Độ)▼220 triệu
- Prosperity Party (Ethiopia)▼115,7 triệu
- TVK (Ấn Độ)▼115 triệu
- Chama Cha Mapinduzi (Tanzania)▼113 triệu
- All Progressives Congress (Nigeria)▼112,9 triệu
- AK Party (Thổ Nhĩ Kỳ)▼111,71 triệu
- Morena (Mexico)▼111,63 triệu
- Telugu Desam Party (Ấn Độ)▼110,05 triệu
- Cambodian People’s Party▼17 triệu
Hiện các con số
| # | Đảng | Thành viên | Làm theo chỉ dẫn của nó | Tỷ lệ được điều hướng | Giờ mỗi tuần |
|---|---|---|---|---|---|
| 1 | Bharatiya Janata Party (Ấn Độ) | 140 triệu | 6.3 × 10¹⁶ | 0.52% (số thay thế) | 0.6 h |
| 2 | Đảng Cộng sản Trung Quốc | 101,29 triệu | 8.2 × 10¹⁶ | 0.94% | 1 h |
| 3 | Democratic Party (Mỹ) | 44,9 triệu | 2.3 × 10¹⁵ | 0.06% | 0.1 h |
| 4 | Republican Party (Mỹ) | 38 triệu | 2 × 10¹⁵ | 0.06% | 0.1 h |
| 5 | Indian National Congress | 26 triệu | 1.2 × 10¹⁶ | 0.52% (số thay thế) | 0.6 h |
| 6 | AIADMK (Ấn Độ) | 20,04 triệu | 9 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 7 | DMK (Ấn Độ) | 20 triệu | 9 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 8 | Prosperity Party (Ethiopia) | 15,7 triệu | 7 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 9 | TVK (Ấn Độ) | 15 triệu | 6.7 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 10 | Chama Cha Mapinduzi (Tanzania) | 13 triệu | 5.8 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 11 | All Progressives Congress (Nigeria) | 12,9 triệu | 5.8 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 12 | AK Party (Thổ Nhĩ Kỳ) | 11,71 triệu | 5.2 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 13 | Morena (Mexico) | 11,63 triệu | 5.2 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 14 | Telugu Desam Party (Ấn Độ) | 10,05 triệu | 4.5 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 15 | Cambodian People’s Party | 7 triệu | 3.1 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 16 | Đảng Lao động Triều Tiên | 6,18 triệu | 7.6 × 10¹⁵ | 1.4% | 1.5 h |
| 17 | FRELIMO (Mozambique) | 6 triệu | 2.7 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 18 | Đảng Cộng sản Việt Nam | 5,6 triệu | 2.1 × 10¹⁵ | 0.44% | 0.5 h |
| 19 | Democratic Party of Korea | 5 triệu | 2.2 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 20 | People Power Party (Hàn Quốc) | 4,44 triệu | 2 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 21 | PSUV (Venezuela) | 4,24 triệu | 1.9 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 22 | ZANU-PF (Zimbabwe) | 4,06 triệu | 1.8 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 23 | UMNO (Malaysia) | 3,25 triệu | 1.5 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 24 | Justicialist Party (Argentina) | 3,1 triệu | 1.4 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 25 | Colorado Party (Paraguay) | 3 triệu | 1.3 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 26 | United Russia | 2,6 triệu | 1.2 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 27 | UzLiDeP (Uzbekistan) | 2,31 triệu | 1 × 10¹⁵ | 0.52% (số thay thế) | 0.6 h |
| 28 | PLD (Cộng hòa Dominicana) | 2,18 triệu | 9.7 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 29 | MDB (Brazil) | 2,02 triệu | 9 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 30 | CHP (Thổ Nhĩ Kỳ) | 1,88 triệu | 8.4 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 31 | Radical Civic Union (Argentina) | 1,79 triệu | 8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 32 | Workers’ Party, PT (Brazil) | 1,67 triệu | 7.5 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 33 | PRM (Cộng hòa Dominicana) | 1,55 triệu | 6.9 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 34 | Authentic Radical Liberal Party (Paraguay) | 1,55 triệu | 6.9 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 35 | Partido Federal ng Pilipinas | 1,5 triệu | 6.7 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 36 | PAS (Malaysia) | 1,3 triệu | 5.8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 37 | PRD (Brazil) | 1,29 triệu | 5.8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 38 | Progressistas (Brazil) | 1,29 triệu | 5.8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 39 | PSDB (Brazil) | 1,26 triệu | 5.6 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 40 | PKR (Malaysia) | 1,15 triệu | 5.2 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 41 | Economic Freedom Fighters (Nam Phi) | 1,09 triệu | 4.9 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 42 | PDT (Brazil) | 1,07 triệu | 4.8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 43 | União Brasil | 1,07 triệu | 4.8 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 44 | CPI(M) (Ấn Độ) | 1,02 triệu | 4.6 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 45 | Liberal Democratic Party (Nhật Bản) | 1 triệu | 4.5 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 46 | FLN (Algeria) | 1 triệu | 4.5 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 47 | Liberal Party, PL (Brazil) | 952,881 | 4.3 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 48 | Đảng Cộng sản Cuba | 700,000 | 2.7 × 10¹⁴ | 0.44% | 0.5 h |
| 49 | African National Congress | 688,454 | 3.1 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 50 | Conservative Party of Canada | 678,708 | 2.7 × 10¹⁴ | 0.46% | 0.5 h |
| 51 | CDU (Đức) | 364,202 | 1.6 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 52 | SPD (Đức) | 357,116 | 1.6 × 10¹⁴ | 0.52% (số thay thế) | 0.6 h |
| 53 | Labour Party (Anh) | 333,235 | 1.6 × 10¹⁴ | 0.55% | 0.6 h |
| 54 | Liberal Party of Canada | 163,836 | 6.5 × 10¹³ | 0.46% | 0.5 h |
| 55 | Greens (Đức) | 155,296 | 7 × 10¹³ | 0.52% (số thay thế) | 0.6 h |
| 56 | CSU (Đức) | 125,153 | 5.6 × 10¹³ | 0.52% (số thay thế) | 0.6 h |
| 57 | Conservative Party (Anh) | 123,000 | 3.7 × 10¹³ | 0.35% | 0.4 h |
| 58 | New Democratic Party (Canada) | 100,542 | 4 × 10¹³ | 0.46% | 0.5 h |
| 59 | AfD (Đức) | 51,335 | 2.3 × 10¹³ | 0.52% (số thay thế) | 0.6 h |
- Walmart2,1 triệu
- Amazon▲11,58 triệu
- State Grid▼11,36 triệu
- China National Petroleum1,03 triệu
- JD.com951,420
- BYD▲1869,622
- Accenture▼1779,000
- Allied Universal▲3770,000
- China Post Group▼1719,448
- Russian Railways (RZD)▲2677,363
- Volkswagen Group▲6662,942
- Foxconn (Hon Hai)▼2633,167
- Schwarz Group▲16604,000
- Compass Group▲18590,000
- Tata Consultancy Services▼6584,510
Hiện các con số
| # | Tập đoàn | Nhân viên | Làm theo chỉ dẫn của nó | Giờ mỗi tuần | Tỷ lệ được điều hướng |
|---|---|---|---|---|---|
| 1 | Walmart | 2,1 triệu | 6.3 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 2 | Amazon | 1,58 triệu | 4.7 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 3 | State Grid | 1,36 triệu | 5.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 4 | China National Petroleum | 1,03 triệu | 4.1 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 5 | JD.com | 951,420 | 3.8 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 6 | BYD | 869,622 | 3.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 7 | Accenture | 779,000 | 3.7 × 10¹⁶ | 57.58 h (Ấn Độ) | 55% |
| 8 | Allied Universal | 770,000 | 2.3 × 10¹⁶ | 36.52 h (Mỹ) | 35% |
| 9 | China Post Group | 719,448 | 2.9 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 10 | Russian Railways (RZD) | 677,363 | 2.2 × 10¹⁶ | 39.96 h (Nga) | 38% |
| 11 | Volkswagen Group | 662,942 | 2 × 10¹⁶ | 35.95 h (Đức) | 34% |
| 12 | Foxconn (Hon Hai) | 633,167 | 2.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 13 | Schwarz Group | 604,000 | 1.6 × 10¹⁶ | 31.49 h (Đức) | 30% |
| 14 | Compass Group | 590,000 | 1.5 × 10¹⁶ | 31.7 h (Mỹ) | 30% |
| 15 | Tata Consultancy Services | 584,510 | 2.8 × 10¹⁶ | 58.23 h (Ấn Độ) | 56% |
| 16 | DHL Group | 583,998 | 1.7 × 10¹⁶ | 35.81 h (Đức) | 34% |
| 17 | Sinopec | 513,434 | 2.1 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 18 | Gazprom | 501,000 | 1.7 × 10¹⁶ | 40.47 h (Nga) | 39% |
| 19 | FedEx | 474,200 | 1.6 × 10¹⁶ | 39.98 h (Mỹ) | 38% |
| 20 | Home Depot | 470,000 | 1.4 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 21 | China Mobile | 468,496 | 1.9 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 22 | UPS | 460,000 | 1.5 × 10¹⁶ | 39.98 h (Mỹ) | 38% |
| 23 | Agricultural Bank of China | 457,835 | 1.8 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 24 | Concentrix | 455,000 | 1.7 × 10¹⁶ | 46.71 h (Philippines) | 45% |
| 25 | Teleperformance | 446,716 | 2.2 × 10¹⁶ | 58.89 h (Ấn Độ) | 56% |
| 26 | Jardine Matheson | 443,000 | 1.5 × 10¹⁶ | 41.93 h (Indonesia) | 40% |
| 27 | Sodexo | 426,464 | 1.1 × 10¹⁶ | 31.7 h (Mỹ) | 30% |
| 28 | Capgemini | 423,400 | 2 × 10¹⁶ | 58.23 h (Ấn Độ) | 56% |
| 29 | Reliance Industries | 419,911 | 2.1 × 10¹⁶ | 59.57 h (Ấn Độ) | 57% |
| 30 | Edeka | 417,500 | 1.1 × 10¹⁶ | 31.49 h (Đức) | 30% |
| 31 | Luxshare Precision | 416,197 | 1.7 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 32 | Target | 415,000 | 1.2 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 33 | Marriott International | 414,000 | 1.1 × 10¹⁶ | 31.7 h (Mỹ) | 30% |
| 34 | Bosch | 412,400 | 1.2 × 10¹⁶ | 35.95 h (Đức) | 34% |
| 35 | ICBC | 409,758 | 1.6 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 36 | Kroger | 403,000 | 1.2 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 37 | China Resources | 397,398 | 1.6 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 38 | Magnit | 394,000 | 1.3 × 10¹⁶ | 39.69 h (Nga) | 38% |
| 39 | Toyota | 390,927 | 1.3 × 10¹⁶ | 39.6 h (Nhật Bản) | 38% |
| 40 | UnitedHealth Group | 390,000 | 1.2 × 10¹⁶ | 36.87 h (Mỹ) | 35% |
| 41 | X5 Group | 389,000 | 1.3 × 10¹⁶ | 39.69 h (Nga) | 38% |
| 42 | Berkshire Hathaway | 387,800 | 1.2 × 10¹⁶ | 37.75 h (Mỹ) | 36% |
| 43 | AVIC | 384,000 | 1.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 44 | Ahold Delhaize | 384,000 | 1.1 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 45 | China Telecom | 381,436 | 1.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 46 | Starbucks | 381,000 | 9.9 × 10¹⁵ | 31.7 h (Mỹ) | 30% |
| 47 | Rewe Group | 380,000 | 9.8 × 10¹⁵ | 31.49 h (Đức) | 30% |
| 48 | China Construction Bank | 378,344 | 1.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 49 | TJX Companies | 377,000 | 1.1 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 50 | China State Construction Engineering | 370,272 | 1.5 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 51 | FEMSA | 368,776 | 1.4 × 10¹⁶ | 47.09 h (Mexico) | 45% |
| 52 | Japan Post Holdings | 360,000 | 1.2 × 10¹⁶ | 41.6 h (Nhật Bản) | 40% |
| 53 | Tesco | 354,744 | 9.3 × 10¹⁵ | 31.81 h (Anh) | 30% |
| 54 | Cognizant | 351,600 | 1.7 × 10¹⁶ | 58.23 h (Ấn Độ) | 56% |
| 55 | NTT | 344,196 | 1.1 × 10¹⁶ | 40.2 h (Nhật Bản) | 38% |
| 56 | Costco | 341,000 | 1 × 10¹⁶ | 36.3 h (Mỹ) | 35% |
| 57 | Infosys | 328,594 | 1.6 × 10¹⁶ | 58.23 h (Ấn Độ) | 56% |
| 58 | ISS | 325,000 | 1.6 × 10¹⁶ | 58.89 h (Ấn Độ) | 56% |
| 59 | Securitas | 322,000 | 9.7 × 10¹⁵ | 36.52 h (Mỹ) | 35% |
| 60 | HCA Healthcare | 320,000 | 9.7 × 10¹⁵ | 36.87 h (Mỹ) | 35% |
| 61 | Rosneft | 320,000 | 1.1 × 10¹⁶ | 40.47 h (Nga) | 39% |
| 62 | JPMorgan Chase | 318,512 | 1.1 × 10¹⁶ | 40.14 h (Mỹ) | 38% |
| 63 | Siemens | 318,000 | 9.4 × 10¹⁵ | 35.95 h (Đức) | 34% |
| 64 | Bank of China | 313,746 | 1.3 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 65 | Walgreens Boots Alliance | 312,000 | 9.3 × 10¹⁵ | 36.3 h (Mỹ) | 35% |
| 66 | PepsiCo | 306,000 | 1 × 10¹⁶ | 40.7 h (Mỹ) | 39% |
| 67 | China Railway Construction (CRCC) | 304,927 | 1.2 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 68 | CHN Energy (China Energy Investment) | 303,418 | 1.2 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 69 | China Railway Group (CREC) | 302,527 | 1.2 × 10¹⁶ | 49 h (Trung Quốc) | 47% |
| 70 | CK Hutchison | 300,000 | 8.6 × 10¹⁵ | 35.08 h (Anh) | 33% |
| 71 | CVS Health | 300,000 | 8.9 × 10¹⁵ | 36.3 h (Mỹ) | 35% |
Động vật và các sinh vật khác
Từ các tế bào đơn không có nơ-ron đến bộ não người. Số nơ-ron là số đo được ở những nơi có.
Không có nơ-ron
- Escherichia coliEscherichia coli0 đã đoMột tế bào đơn không có nơ-ron. Nó di chuyển về phía thức ăn và có trí nhớ hóa học kéo dài vài giây.
- Nấm nhầyPhysarum polycephalum0 đã đoMột tế bào khổng lồ duy nhất, không có nơ-ron. Nó giải được mê cung và phát triển các mạng vận chuyển hiệu quả.
- Cây trinh nữMimosa pudica0 đã đoMột loài cây có lá cụp lại khi bị chạm. Một nghiên cứu báo cáo rằng nó học cách bỏ qua những cái chạm vô hại. Một phân tích lại sau đó đã phản bác điều đó.
- Bọt biểnPorifera (e.g. Amphimedon queenslandica)0 đã đoMột loài vật không có nơ-ron hay synapse nhưng vẫn co toàn bộ cơ thể một cách phối hợp.
Mạng thần kinh, không có não
Động vật không xương sống có não
- Giun trònCaenorhabditis elegans302 đã đoMột loài giun dài khoảng một milimét với đúng 302 nơ-ron. Nó là loài vật đầu tiên có sơ đồ đấu nối hoàn chỉnh được lập bản đồ.
- Ruồi giấmDrosophila melanogaster139,255 đã đoSơ đồ đấu nối não hoàn chỉnh lớn nhất được lập bản đồ cho đến nay, gồm khoảng 139.000 nơ-ron.
- Ong mậtApis melliferakhoảng 1 triệu ước tínhKhoảng một triệu nơ-ron, và ong có thể học các khái niệm trừu tượng như giống và khác.
- Kiến (Camponotus / Formica)Camponotus spp.Chưa có số đếm được công bốMột bộ não nhỏ xử lý việc định hướng đường dài bằng cách đếm bước chân (tích hợp đường đi) và nhớ các mốc.
- Nhện nhảy PortiaPortia fimbriata / labiataChưa có số đếm được công bốMột con nhện nhảy biết lên kế hoạch đi vòng. Nó chọn những tuyến đường dẫn ra xa con mồi và khuất tầm nhìn.
- Cua biển / tôm hùm đấtCarcinus maenas; Procambarus / Astacus spp.Chưa có số đếm được công bốCua và tôm hùm đất. Một bản rà soát của chính phủ năm 2021 thấy bằng chứng mạnh rằng cua thật có khả năng cảm nhận.
- Bạch tuộc thườngOctopus vulgaris500 triệu ước tínhPhần lớn nơ-ron của nó nằm ở các xúc tu. Một bản rà soát năm 2021 thấy bằng chứng rất mạnh rằng nó có khả năng cảm nhận.
Cá và động vật lưỡng cư
- Cá ngựa vằnDanio rerioChưa có số đếm được công bốMột loài cá nhỏ được dùng rộng rãi trong khoa học thần kinh. Nơ-ron của nó chưa được đếm đầy đủ. Bộ não trưởng thành có khoảng 10 triệu tế bào.
- Cá bàng chài dọn vệ sinhLabroides dimidiatusChưa có số đếm được công bốMột loài cá rạn san hô đã vượt qua một phiên bản của phép thử vết gương. Người ta không đồng ý về điều đó cho thấy gì.
- ẾchAnura (e.g. Xenopus / Rana)Chưa có số đếm được công bốTuyên bố New York năm 2024 nói rằng có khả năng thực tế về trải nghiệm có ý thức ở động vật lưỡng cư.
Chim
- Bồ câu đáColumba livia310 triệu đã đoHàng trăm triệu nơ-ron trong một bộ não nhỏ. Bồ câu có thể phân loại các hình ảnh phức tạp thành nhóm.
- Quạ thườngCorvus corax2,17 tỷ đã đoHơn hai tỷ nơ-ron, xếp dày đặc. Quạ nhớ từng đối thủ cạnh tranh.
- Quạ New CaledoniaCorvus moneduloidesChưa có số đếm được công bốNó làm công cụ có móc từ cành cây và dây thép. Nơ-ron của nó chưa được đếm.
- Vẹt xám châu PhiPsittacus erithacus1,57 tỷ đã đoKhoảng 1,6 tỷ nơ-ron. Hàng chục năm nghiên cứu trong phòng thí nghiệm về khả năng nhận biết số lượng và phân loại.
Mammals
- ChuộtMus musculus70,9 triệu đã đoKhoảng 71 triệu nơ-ron. Chuột nhắt có biểu hiện đau trên khuôn mặt mà có thể đo được.
- Chuột cốngRattus norvegicus200 triệu đã đoKhoảng 200 triệu nơ-ron. Chuột cống thả những con cùng lồng bị mắc kẹt.
- Mèo nhàFelis catus1,22 tỷ đã đoKhoảng 250 triệu nơ-ron ở vỏ não.
- Chó nhàCanis familiaris1,8 đến 2,6 tỷ, tùy từng con chó đã đoLên đến khoảng 600 triệu nơ-ron vỏ não, tùy từng con chó. Nhiều hơn mèo.
- Lợn nhàSus scrofa domesticus2,22 tỷ đã đoLợn học được gương cho thấy gì và dùng nó để tìm thức ăn.
- Cá heo mũi chaiTursiops truncatusChưa có số đếm được công bốVượt qua các phép thử tự nhận diện trong gương. Chưa có số đếm nơ-ron đo được cho cá heo mũi chai.
- Voi châu PhiLoxodonta africana257 tỷ đã đo257 tỷ nơ-ron, gấp ba lần con người, gần như tất cả nằm ở tiểu não.
- Tinh tinhPan troglodyteskhoảng 28 tỷ (dự đoán từ quy luật tỷ lệ, không phải đếm) ước tínhMột trong hai họ hàng sống gần nhất của chúng ta (cùng với tinh tinh lùn). Nó vượt qua phép thử gương.
- Con ngườiHomo sapiens86,1 tỷ đã đo86 tỷ nơ-ron, trong đó 16 tỷ ở vỏ não. Chúng ta là loài duy nhất có thành viên có thể tường thuật bằng lời về trải nghiệm của mình.
Các hệ thống tập thể
Những nhóm đưa ra quyết định mà không thành viên nào tự đưa ra một mình. Chúng được nghiên cứu như trí tuệ tập thể, không phải như tâm trí.
- Đàn kiếnCác đàn chọn được tổ tốt hơn vì từng con kiến theo một ngưỡng túc số. Không con kiến nào so sánh các địa điểm một cách tổng thể.
- Đàn ong mậtCác đàn chọn hốc tốt nhất qua sự cạnh tranh giữa các ong thám tử và một túc số. Tín hiệu dừng tạo ra sự ức chế chéo, giúp phá vỡ thế bế tắc.
- Đàn chim sáo đáMỗi con chim theo dõi một số lượng láng giềng cố định (khoảng 6-7), chứ không phải mọi con chim trong một khoảng cách cố định. Điều này gọi là tương tác tô-pô, không phải tương tác theo khoảng cách.
- Đàn cáĐàn cá dùng quy tắc túc số để quyết định. Các nhóm lớn có thể cảm nhận những gradient môi trường mà không một con cá nào cảm nhận được.
Hệ thống nhân tạo
Các loại trí tuệ máy, sắp xếp theo cách chúng hoạt động. Hiện không hệ thống nào được coi là ứng viên mạnh cho ý thức.
- Hệ chuyên gia dựa trên quy tắcCác chương trình mã hóa kiến thức của một chuyên gia trong lĩnh vực thành các quy tắc nếu-thì tường minh. Một bộ suy diễn áp dụng các quy tắc theo thứ tự để đi đến kết luận, thường kèm lời giải thích cho lập luận của nó.
- Chương trình tìm kiếm trên cây trò chơi (cờ vua)Các chương trình liệt kê các chuỗi nước đi có thể đến một độ sâu cố định và chấm điểm các thế cờ kết quả bằng một hàm đánh giá do con người tự thiết kế. Chúng cắt bỏ những nhánh không thể thay đổi lựa chọn (minimax với cắt tỉa alpha-beta).
- Các tác tử học tăng cường sâuCác mạng nơ-ron được huấn luyện bằng thử và sai để tối đa hóa tín hiệu phần thưởng. Chúng học một chính sách hoặc hàm giá trị bằng cách tương tác với một môi trường, thường là môi trường mô phỏng như một trò chơi.
- Mô hình ngôn ngữ lớnCác mạng nơ-ron Transformer được huấn luyện để dự đoán token tiếp theo trong các kho văn bản rất lớn, rồi thường được tinh chỉnh theo phản hồi của con người.
- Robot có hiện thânMáy móc có cảm biến và cơ cấu chấp hành, hoạt động trong thế giới vật lý. Chúng thường dùng điều khiển phản ứng theo tầng thay vì một mô hình thế giới trung tâm, nên hành vi nảy sinh từ vòng lặp giữa thân thể và môi trường.
- Phần cứng mô phỏng thần kinhCác con chip có mạch điện bắt chước nơ-ron phát xung và synapse. Chúng chạy theo sự kiện và tốn ít điện, khác với thiết kế bộ xử lý và bộ nhớ thông thường.
Tâm trí giả định
Các tâm trí được đề xuất trong tài liệu khoa học và triết học. Chưa ai quan sát được một cái nào.
- Mô phỏng toàn bộ nãochưa quan sát đượcQuét một bộ não ở độ chi tiết cao và chạy một mô hình phần mềm của nó.
- Các tâm trí mô phỏng trong các mô phỏng tổ tiênchưa quan sát đượcTam đề của Bostrom: hoặc gần như không nền văn minh nào đạt đến giai đoạn hậu nhân loại, hoặc gần như không nền văn minh nào chạy mô phỏng tổ tiên, hoặc gần như chắc chắn chúng ta đang sống trong một mô phỏng.
- Não Boltzmannchưa quan sát đượcNhững người quan sát giống bộ não xuất hiện từ các thăng giáng nhiệt hoặc lượng tử hiếm hoi.
- Tải tâm trí bằng cách thay thế dần dầnchưa quan sát đượcThay từng nơ-ron một bằng các bộ phận nhân tạo giống hệt về chức năng.
- Siêu trí tuệchưa quan sát đượcMột trí tuệ giả định vượt xa hiệu suất của con người trong hầu như mọi lĩnh vực. Cuốn sách của Bostrom phân tích các con đường dẫn đến nó (mô phỏng toàn bộ não, nhận thức sinh học, AI), các dạng của nó và các vấn đề kiểm soát.
Phiên bản dữ liệu 2.0.0. Tải xuống (JSON).