M6-10T
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es nicht heruntergeladen oder auf eigener Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufzeichnen
Vollständige Spezifikation
Alles, was für dieses Modell aufgezeichnet wurde. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft – nützlicher Kontext, um zu beurteilen, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in unterschiedlichem Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell erstellt, wo und wann es veröffentlicht wurde.
- Organisation
- Alibaba
- Typ der Organisation
- Industry
- Land
- China
- Veröffentlicht
- 8 October 2021
- Autoren
- Junyang Lin, An Yang, Jinze Bai, Chang Zhou, Le Jiang, Xianyan Jia, Ang Wang, Jie Zhang, Yong Li, Wei Lin, Jingren Zhou, Hongxia Yang
Was es tut
Die Problembereiche, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Multimodal, Language, Vision
- Aufgabe
- Language modeling/generation
- Ansatz
- Self-supervised learning
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Parameter sind die Werte, die entscheiden, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 10T
- Modell/Modelle können auf der GPU nicht passen. Eng = kaum auszuführen, komfortabel = läuft problemlos mit Spielraum.
- tokens
"We demonstrate a practice of pretraining unprecedented 10-trillion-parameter model, an order of magnitude larger than the state-of-the-art, on solely 512 GPUs within 10 days"
"We conduct experiments for pretraining and finetuning to analyze model competence in upstream and downstream tasks. Following the classical data setup for pretraining and finetuning, we pretrain the model on BookCorpus [52] and English Wikipedia [9], which are corpora with around 16GB of plain texts." I used http://extraconversion.com/data-storage/gigabits/gigabits-to-words.html for the conversion to number of words
Training-Berechnung
Die Berechnungen, die zum Trainieren des Modells durchgeführt werden, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Berechnung
- 5.5 × 10²¹ FLOP
- Wie es etabliert wurde
- Hardware
512 GPUs in 10 days - using NVIDIA V100 GPUs Using the NVIDIA V100 Specifications this works out to be: 0.30 * 125E12 * 512 * 10 * 86400 = 1.66E22 (Assuming 30% utilisation, and 125 TFLOPS)
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, was entscheidet, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugriff
- Unreleased
- Trainingscode
- Unreleased
"This work is generally reproducible. Following the description in Section 3, researchers can easily implement the training strategy on the codebases for pretraining, including Huggingface Transformer 1, Fairseq 2."
Wie es klassifiziert ist
Labels, die auf das Quell-Dataset angewendet werden, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Modell/Modelle können auf der GPU ausgeführt werden. Es passt nicht / wird nicht passen. Eng = kaum ausführbar, komfortabel = läuft problemlos mit Spielraum.
- Confident
- 47
Model/Modelle laufen nicht / wird nicht passen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- M6-10T: A Sharing-Delinking Paradigm for Efficient Multi-Trillion Parameter Pretraining
- Modell/Modelle können von der GPU nicht ausgeführt werden. Es passt nicht. Zu eng. Lauffähig. Bequem.
- 28 November 2025
Was die Zahlen bedeuten
Hintergrund
M6-10T was published by Alibaba, in China, in October 2021. It comes out of industry.
It works in Multimodal, Language, Vision, and is recorded as doing language modeling/generation.
Seine Gewichte wurden nie veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarte ändert das.
Was in den Aufbau eingeflossen ist
The training run consumed about 5.5 × 10²¹ FLOP. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Antworten
M6-10T — Häufige Fragen
How many parameters does M6-10T have?
M6-10T has 10T parameters. "We demonstrate a practice of pretraining unprecedented 10-trillion-parameter model, an order of magnitude larger than the state-of-the-art, on solely 512 GPUs within 10 days". 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 M6-10T?
M6-10T was published by Alibaba, based in China, categorised as industry.
When was M6-10T released?
M6-10T was published in October 2021. 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 M6-10T used for?
M6-10T works in Multimodal, Language, Vision, 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 M6-10T?
Around 5.5 × 10²¹ FLOP. 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.
What GPU do I need to run M6-10T?
None. M6-10T 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 M6-10T open source?
No. M6-10T has not had its weights published, so it exists only as a service controlled by its owner.
Die andere Richtung
Von der anderen Seite betrachten?
Diese Seite beginnt vom Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was sie ausführen kann., Modell/Modelle laufen GPU AI-Modell. passt nicht/wird nicht passen. eng = kaum lauffähig, komfortabel = läuft problemlos mit Spielraum..