GPT-3 175B (davinci)
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
- 28 May 2020
- Autoři
- Tom B. Brown, Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared Kaplan, Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell, Sandhini Agarwal, Ariel Herbert-Voss, Gretchen Krueger, Tom Henighan, Rewon Child, Aditya Ramesh, Daniel M. Ziegler, Jeffrey Wu, Clemens Winter, Christopher Hesse, Mark Chen, Eric Sigler, Mateusz Litwin, Scott Gray, Benjamin Chess, Jack Clark, C…
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Text autocompletion, Language modeling/generation
- Přístup
- Self-supervised learning
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 174.6B
- Výcviková data
- 238,000,000,000 tokens
- Epochy
- 0.6
- Velikost dávky
- 3,200,000
"we train GPT-3, an autoregressive language model with 175 billion parameters" Rather, it's 174.6 billion. Table D.1: 174,600 million parameters
From table 2.2, we determine that there are 410 + 19 + 12 + 55 + 3 = 499 billion tokens. We multiply this by 0.75 to give 374B words. 3.74e11 ======================== [Anson: I think the calculation below doesn't look at all the data, the CommonCrawl data only constitutes 60% of the data. Multiplying by 5/3 gives 4.75e11] "The CommonCrawl data was downloaded from 41 shards of monthly CommonCrawl covering 2016 to 2019, constituting 45TB of compressed plaintext before filtering and 570GB aft…
3.2M, per table 2.1
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
- 3.1 × 10²³ FLOP
- Jak bylo ustanoveno
- Reported
Table D.1 https://arxiv.org/abs/2005.14165
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA Tesla V100 DGXS 32 GB
- Používané čipy
- 10,000
- Čip-hodiny
- 3,552,000
- Doba reálného času
- 355 hours (14.8 days)
- Využití hardwaru
- MFU 19.7%
- Příkon
- 5.1 MW
- Náklady na výpočet
- $2,116,866
- Cloudový poskytovatel
- Microsoft
14.8 days according to https://arxiv.org/ftp/arxiv/papers/2104/2104.10350.pdf
See table 4 of the carbon emissions paper: https://arxiv.org/pdf/2104.10350 MFU calculation from total compute: (6 FLOP/token/param * 174.6B params * 300B tokens) / (10k V100 * 125 TFLOPS/V100 * 14.8 days) = 0.1966 https://www.wolframalpha.com/input?i=%286*174.6+billion+*+300+billion%29+FLOP+%2F+%281250000+TFLOPS+*+14.8+days%29 HFU calculation from GPU throughput: The paper reports 24.6 TFLOPS throughput per V100, and reports the V100 peak performance of 125 TFLOPS (which is correct if trainin…
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
https://openai.com/blog/openai-api
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,Training cost
- Záznam důvěry
- Confident
- Citace
- 58,240
- Benchmark data
- GPT-3 175B (davinci)
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Language Models are Few-Shot Learners
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
GPT-3 175B (davinci) byl zveřejněn OpenAI, v zemi zaznamenané jako United States of America, během May 2020. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol text autocompletion, Language modeling/generation.
Jeho váhy nikdy nebyly zveřejněny, takže k němu lze přistupovat pouze prostřednictvím jeho poskytovatele. Žádná změna grafické karty to nezmění.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 3.1 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 GB. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 238,000,000,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: highly cited,Training cost.
Odpovědi
GPT-3 175B (davinci) — běžné otázky
GPT-3 175B (davinci)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 3.1 × 10²³ FLOP, na hardwaru zaznamenáno jako NVIDIA Tesla V100 DGXS 32 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-3 175B (davinci)— 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-3 175B (davinci)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
GPT-3 175B (davinci)— kolik má parametrů?
Má počet parametrů 174.6B. "we train GPT-3, an autoregressive language model with 175 billion parameters" Rather, it's 174.6 billion. Table D.1: 174,600 million parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GPT-3 175B (davinci)— Kdo to vytvořil?
Bylo to publikováno společností OpenAI, zakládající se na United States of America, organizace zařazená jako industry.
GPT-3 175B (davinci)— Kdy byl vydán?
Bylo to zveřejněno v May 2020. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
GPT-3 175B (davinci)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol text autocompletion, Language modeling/generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
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.