GPT-4 (Jun 2023)
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- OpenAI
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 13 June 2023
- Autoři
- OpenAI, Josh Achiam, Steven Adler, Sandhini Agarwal, Lama Ahmad, Ilge Akkaya, Florencia Leoni Aleman, Diogo Almeida, Janko Altenschmidt, Sam Altman, Shyamal Anadkat, Red Avila, Igor Babuschkin, Suchir Balaji, Valerie Balcom, Paul Baltescu, Haiming Bao, Mohammad Bavarian, Jeff Belgum, Irwan Bello, Jake Berdine, Gabriel Bernadett-Shapiro, Christopher Berner, Lenny Bogdonoff, Oleg Boiko, Madelaine Bo…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Multimodal, Language, Vision
- Úkol
- Language modeling, Language modeling/generation, Question answering, Visual question answering
- Přístup
- Self-supervised learning
- Základní model
- GPT-4 (Mar 2023)
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 1.8T
- Výcviková data
- 5,416,666,666,667 tokens
- Epochy
- 2
- Velikost dávky
- 60,000,000
Rumored to be 1.8T parameter MoE with 280B activated on the forward pass, per https://www.semianalysis.com/p/gpt-4-architecture-infrastructure. Other sources estimate 1.76T with 220B per forward pass https://web.archive.org/web/20230712123915/https://the-decoder.com/gpt-4-architecture-datasets-costs-and-more-leaked/
Speculative. Reported secondhand by online sources such as Semianalysis, but not verified by OpenAI. If total number of tokens seen was 13T, text was repeated for 2 epochs, and text was the majority of tokens, then dataset size roughly is 13T*0.75/2 = 4.9T words. Note this examines only the text dataset, since GPT-4 was first and foremost a language model. However, the vision component had its own vision dataset, which we believe accounted for a much smaller part of the compute budget.
MoE so i hesitate but 7.5 mill? https://www.reddit.com/r/mlscaling/comments/14wcy7m/gpt4s_details_are_leaked/#:~:text=There%20is%20millions%20of%20rows,get%20the%20real%20batch%20size.
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 2.1 × 10²⁵ FLOP
- Jak bylo ustanoveno
- Hardware
90% CI: 8.2E+24 to 4.4E+25 NOTE: this is a rough estimate based on public information, much less information than most other systems in the database. Calculation and confidence intervals here: https://colab.research.google.com/drive/1O99z9b1I5O66bT78r9ScslE_nOj5irN9?usp=sharing
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100 SXM4 40 GB
- Používané čipy
- 25,000
- Čip-hodiny
- 57,000,000
- Doba reálného času
- 2,280 hours (95 days)
- Využití hardwaru
- MFU 34.0%
- Příkon
- 19.9 MW
(Speculative) SemiAnalysis conjectures that GPT-4 training took 90-100 days with utilization of 32-36%.
CANNOT VERIFY, LIKELY HFU, PAYWALLED. (Speculative) SemiAnalysis conjectures that GPT-4 had utilization of 32-36%: https://www.semianalysis.com/p/gpt-4-architecture-infrastructure
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- API access
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Frontier model
- Yes
- Základní model
- Yes
- Pravděpodobně nad 10²³ FLOP
- Yes
- Proč je to sledováno
- Highly cited,SOTA improvement,Training cost
- Záznam důvěry
- Likely
- Citace
- 24,490
See the paper, p.1: "On a suite of traditional NLP benchmarks, GPT-4 outperforms both previous large language models and most state-of-the-art systems (which often have benchmark-specific training or hand-engineering)." "On the MMLU benchmark [35, 36], an English-language suite of multiple-choice questions covering 57 subjects, GPT-4 not only outperforms existing models by a considerable margin in English, but also demonstrates strong performance in other languages"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- GPT-4 Technical Report
- Nap poslední aktualizace
- 24 June 2026
Co čísla znamenají
Co je tento MODEL
GPT-4 (Jun 2023) byl zveřejněn OpenAI, v zemi zaznamenané jako United States of America, během June 2023. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Multimodal, Language, Vision, a je zaznamenán jako vykonávající úkol language modeling, Language modeling/generation, Question answering, Visual question answering.
Staví na GPT-4 (Mar 2023). To je důvod, proč sdílí obecný tvar a velikost základního modelu.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Trenovací běh spotřeboval asi 2.1 × 10²⁵ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 40 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 5,416,666,666,667 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited,SOTA improvement,Training cost.
Odpovědi
GPT-4 (Jun 2023) — běžné otázky
GPT-4 (Jun 2023)— Kdy byl vydán?
Bylo to zveřejněno v June 2023. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GPT-4 (Jun 2023)— K čemu se to používá?
funguje v oblasti Multimodal, Language, Vision, a je zaznamenáno jako zpracovávající úkol language modeling, Language modeling/generation, Question answering, Visual question answering. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
GPT-4 (Jun 2023)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.1 × 10²⁵ FLOP, na hardwaru zaznamenáno jako NVIDIA A100 SXM4 40 GB. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
GPT-4 (Jun 2023)— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
GPT-4 (Jun 2023)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT-4 (Jun 2023)— kolik má parametrů?
Má počet parametrů 1.8T. Rumored to be 1.8T parameter MoE with 280B activated on the forward pass, per https://www.semianalysis.com/p/gpt-4-architecture-infrastructure. Other sources estimate 1.76T with 220B per forward pass https://web.archive.org/web/20230712123915/https://the-decoder.com/gpt-4-architecture-datasets-costs-and-more-leaked/. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GPT-4 (Jun 2023)— Kdo to vytvořil?
Bylo to publikováno společností OpenAI, zakládající se na United States of America, organizace zařazená jako industry.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.