AlphaCode
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- DeepMind
- Organisationsart
- Industry
- Land
- United Kingdom of Great Britain and Northern Ireland
- Veröffentlicht
- 2 February 2022
- Autoren
- 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…
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Code generation
- Ansatz
- Self-supervised learning
- Numerisches Format
- BF16
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 41.1B
- Trainingsdaten
- 967,000,000,000 tokens
- Batch-Größe
- 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
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 2.4 × 10²³ FLOP
- Wie es etabliert wurde
- 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.
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- Google TPU v4
- Verwendete Chips
- 3,750
- Wand-Uhrzeit
- 147 hours
- Hardware-Auslastung
- MFU 43.6%
- Stromverbrauch
- 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
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Grundmodell
- Yes
- Wahrscheinlich über 10²³ FLOP
- Yes
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 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"
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Competition-Level Code Generation with AlphaCode
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
AlphaCode wurde veröffentlicht von DeepMind, im Land aufgezeichnet als United Kingdom of Great Britain and Northern Ireland, während February 2022. Es stammt aus einer Organisation, die kategorisiert ist als industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet code generation.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Wie es trainiert wurde
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 2.4 × 10²³ FLOP, auf Hardware erfasst als Google TPU v4. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Der Trainingssatz lief auf etwa 967,000,000,000 Text-Tokens
Das Einschlusskriterium: sOTA improvement.
Antworten
AlphaCode — Häufige Fragen
AlphaCode— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
AlphaCode— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
AlphaCode— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 41.1B. 41.1B. Table 3. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
AlphaCode— Wer hat es erstellt?
Es wurde veröffentlicht von DeepMind, basiert auf United Kingdom of Great Britain and Northern Ireland, eine als kategorisierte Organisation industry.
AlphaCode— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in February 2022. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
AlphaCode— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von code generation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
AlphaCode— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 2.4 × 10²³ FLOP, auf Hardware erfasst als Google TPU v4. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.