AlphaCode
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
- DeepMind
- Typ organizace
- Industry
- Země
- United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 2 February 2022
- Autoři
- Yujia Li, David Choi, Junyoung Chung, Nate Kushman, Julian Schrittwieser, Rémi Leblond, Tom Eccles, James Keeling, Felix Gimeno, Agustin Dal Lago, Thomas Hubert, Peter Choy, Cyprien de Masson d'Autume, Igor Babuschkin, Xinyun Chen, Po-Sen Huang, Johannes Welbl, Sven Gowal, Alexey Cherepanov, James Molloy, Daniel J. Mankowitz, Esme Sutherland Robson, Pushmeet Kohli, Nando de Freitas, Koray Kavukcuo…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Code generation
- Přístup
- Self-supervised learning
- Číselný formát
- BF16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 41.1B
- Výcviková data
- 967,000,000,000 tokens
- Velikost dávky
- 4,718,592
41.1B. Table 3
Appendix part A has answers for pretraining.
2304 token sequences, 2048 batch size. 2304 * 2048 = 4718592 trained on 967B tokens and 205k steps. 967B/205k = 4717073, so seems they didn't do warmup
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
- 2.4 × 10²³ FLOP
- Jak bylo ustanoveno
- Hardware
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This matches the operation-counting estimate at 44% utilization.
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- Google TPU v4
- Používané čipy
- 3,750
- Doba reálného času
- 147 hours
- Využití hardwaru
- MFU 43.6%
- Příkon
- 2.6 MW
Figure 7 (a) shows that the models were trained for around 23000 TPU-days. We know they trained on TPUv4s, and in appendix D.1 they say they have 3750 TPUv4 and TPUv4i. Assuming they trained only on the 3750 TPUv4s, that suggests 23000 / 3750 = 6.13 days, or 147.2 hours.
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This implies 2.38e23 / (275e12 * 86400 * 23000) = 43.64% MFU = 0.4364
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.
- Základní model
- Yes
- Pravděpodobně nad 10²³ FLOP
- Yes
- Proč je to sledováno
- SOTA improvement
- Záznam důvěry
- Confident
- Citace
- 2,162
" To the best of our knowledge, this is the first time that a computer system has been competitive with human participants in programming competitions"
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Competition-Level Code Generation with AlphaCode
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Odkud to přišlo
AlphaCode byl zveřejněn DeepMind, v zemi zaznamenané jako United Kingdom of Great Britain and Northern Ireland, během February 2022. Vychází z organizace, která je kategorizována jako industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol code generation.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Jak bylo trénováno
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.4 × 10²³ FLOP, na hardwaru zaznamenáno jako Google TPU v4. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Tréninková sada běžela na přibližně 967,000,000,000 tokeny textu
Jeho kritérium zahrnutí: sOTA improvement.
Odpovědi
AlphaCode — běžné otázky
AlphaCode— 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.
AlphaCode— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
AlphaCode— kolik má parametrů?
Má počet parametrů 41.1B. 41.1B. Table 3. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
AlphaCode— Kdo to vytvořil?
Bylo to publikováno společností DeepMind, zakládající se na United Kingdom of Great Britain and Northern Ireland, organizace zařazená jako industry.
AlphaCode— Kdy byl vydán?
Bylo to zveřejněno v February 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
AlphaCode— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol code generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
AlphaCode— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.4 × 10²³ FLOP, na hardwaru zaznamenáno jako Google TPU v4. 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.
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.