BIG-G 137B
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
- Typ organizace
- Industry
- Země
- United States of America
- Publikováno
- 9 June 2022
- Autoři
- Aarohi Srivastava, Abhinav Rastogi, Abhishek Rao, Abu Awal Md Shoeb, Abubakar Abid, Adam Fisch, Adam R. Brown, Adam Santoro, Aditya Gupta, Adrià Garriga-Alonso, Agnieszka Kluska, Aitor Lewkowycz, Akshat Agarwal, Alethea Power, Alex Ray, Alex Warstadt, Alexander W. Kocurek, Ali Safaya, Ali Tazarv, Alice Xiang, Alicia Parrish, Allen Nie, Aman Hussain, Amanda Askell, Amanda Dsouza, Ambrose Slone, Ame…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 137B
- Výcviková data
- 681,200,000,000 tokens
- Epochy
- 1
- Velikost dávky
- 262,000
137B. Table App.1
Full dataset is comprised of 2.8 trillion tokens, but calculation based on batch size and steps suggests model was trained on only 681 billion tokens.
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
- 5.6 × 10²³ FLOP
- Jak bylo ustanoveno
- Operation counting
"BIG-G models were trained at Google. We use 13 dense decoder-only Transformer models (Vaswani et al., 2017) with gated activation layers (Dauphin et al., 2017) and GELU activations based on the LaMDA architectures (Thoppilan et al., 2022). These models were trained on a dataset consisting of a mixture of web documents, code, dialog, and Wikipedia data, with approximately three billion documents tokenized to 2.8 trillion BPE tokens using a 32k-token SentencePiece vocabulary" Appendix: "We use …
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
- Unreleased
- Tréninkový kód
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Pravděpodobně nad 10²³ FLOP
- Yes
- Záznam důvěry
- Confident
- Citace
- 2,441
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Beyond the Imitation Game: Quantifying and extrapolating the capabilities of language models
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
BIG-G 137B byl zveřejněn Google, v zemi zaznamenané jako United States of America, během June 2022. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Jak bylo trénováno
Trénování si vyžádalo výpočetní rozpočet přibližně 5.6 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 681,200,000,000 tokeny textu
Odpovědi
BIG-G 137B — běžné otázky
BIG-G 137B— Kdy byl vydán?
Bylo to zveřejněno v June 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
BIG-G 137B— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
BIG-G 137B— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 5.6 × 10²³ FLOP. 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.
BIG-G 137B— 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.
BIG-G 137B— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
BIG-G 137B— kolik má parametrů?
Má počet parametrů 137B. 137B. Table App.1. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
BIG-G 137B— Kdo to vytvořil?
Bylo to publikováno společností Google, 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.