GPT3-6.7B (rerun of original)
Žádný odhad
Žádné hardwareové požadavky na tento model
Hmotnosti tohoto modelu nebyly publikovány, takže jej nelze stáhnout ani spustit na vlastním hardwaru v jakékoli velikosti. Je dostupný pouze prostřednictvím svého poskytovatele a žádná grafická karta to nezmění..
Záznam.
Plná specifikace
Všechno zaznamenané k tomuto modelu. Většina z toho popisuje, jak byl trénován, nikoli jak běží — užitečný kontext pro posouzení, kolik práce do něj bylo vloženo, a jak se srovnává s modely postavenými na jinou škálu.
Původ
Kdo vybudoval tento model, kde a kdy byl publikován.
- Organizace
- Microsoft,OpenAI
- Typ organizace
- Industry,Industry
- Země
- United States of America
- Publikováno
- 28 May 2020
- Autoři
- Greg Yang, Edward J. Hu, Igor Babuschkin, Szymon Sidor, Xiaodong Liu, David Farhi, Nick Ryder, Jakub Pachocki, Weizhu Chen, Jianfeng Gao
Co to dělá
Problémové oblasti, pro které byl model vyvinut. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation
- Číselný formát
- FP32
Velikost
Jak velký je model a na kolik dat byl vytrénován. Parametry jsou číslo, které rozhoduje o tom, zda se vejde na danou grafickou kartu.
- Parametry
- 6.7B
- Tréninková data
- 300,000,000,000 tokens
- Epochy
- 1
6.7B
300B tokens (Figure 15) - same as original gpt-3 10K training steps
Výpočet trénování
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál trénink, nikoli jak rychle hotový model na vás odpovídá.
- Výpočet trénování
- 1.2 × 10²² FLOP
- Jak bylo založeno
- Operation counting
6 FLOP / token / parameter * 6.7 * 10^9 parameters * 300 * 10^9 tokens = 1.206e+22 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to bralo ze zásuvky.
- Tréninkové hardwarové zařízení
- NVIDIA V100
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se na tuto stránku vztahují jakákoliv čísla grafických karet.
- Váhy
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Unreleased
repo here, don't think there's GPT-3 code though https://github.com/microsoft/mup/blob/main/README.md
Jak je klasifikováno
Labely, které se na zdrojovém datovém souboru používají při sledování významných modelů, a jak moc si je jistý touto položkou.
- Záznam důvěry
- Confident
- Citace
- 262
- Benchmarková data
- GPT3-6.7B (rerun of original)
Zdroje
Odkud tento záznam pochází a kdy byl naposled zkontrolován.
- Odkaz
- Tensor Programs V: Tuning Large Neural Networks via Zero-Shot Hyperparameter Transfer
- Naposledy aktualizováno
- 25 May 2026
Co čísla znamenají
O tomto modelu
GPT3-6.7B (rerun of original) was published by Microsoft,OpenAI, in United States of America, in May 2020. industry,Industry is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling/generation.
Jeho váhy nikdy nebyly zveřejněny, takže je možné ho dosáhnout pouze prostřednictvím jeho poskytovatele. Žádná grafická karta to nezmění.
Jak byla trénována
Producing it required around 1.2 × 10²² FLOP of arithmetic, on NVIDIA V100, which is a statement about the training budget rather than about inference.
Around 300,000,000,000 tokens went into training it.
Odpovědi
GPT3-6.7B (rerun of original) — Časté dotazy
What GPU do I need to run GPT3-6.7B (rerun of original)?
None. GPT3-6.7B (rerun of original) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is GPT3-6.7B (rerun of original) open source?
No. GPT3-6.7B (rerun of original) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does GPT3-6.7B (rerun of original) have?
GPT3-6.7B (rerun of original) has 6.7B parameters. 6.7B. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created GPT3-6.7B (rerun of original)?
GPT3-6.7B (rerun of original) was published by Microsoft,OpenAI, based in United States of America, categorised as industry,Industry.
When was GPT3-6.7B (rerun of original) released?
GPT3-6.7B (rerun of original) was published in May 2020. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is GPT3-6.7B (rerun of original) used for?
GPT3-6.7B (rerun of original) works in Language, and is recorded as handling language modeling/generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train GPT3-6.7B (rerun of original)?
Around 1.2 × 10²² FLOP, on NVIDIA V100. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
Druhý směr
Když se na to podíváte z druhé strany?
Tato stránka začíná modelem. Pokud již vlastníte kartu a chcete vědět, co vše bude schopna spustit, Začněte raději od hardwaru.