GPT-3 175B (davinci)
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
- OpenAI
- Organisationsart
- Industry
- Land
- United States of America
- Veröffentlicht
- 28 May 2020
- Autoren
- 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…
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Text autocompletion, Language modeling/generation
- Ansatz
- Self-supervised learning
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
- 174.6B
- Trainingsdaten
- 238,000,000,000 tokens
- Epochen
- 0.6
- Batch-Größe
- 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
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
- 3.1 × 10²³ FLOP
- Wie es etabliert wurde
- Reported
Table D.1 https://arxiv.org/abs/2005.14165
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
- NVIDIA Tesla V100 DGXS 32 GB
- Verwendete Chips
- 10,000
- Chip-Stunden
- 3,552,000
- Wand-Uhrzeit
- 355 hours (14.8 days)
- Hardware-Auslastung
- MFU 19.7%
- Stromverbrauch
- 5.1 MW
- Rechenkosten
- $2,116,866
- Cloud-Anbieter
- 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…
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
- API access
- Training-Code
- Unreleased
https://openai.com/blog/openai-api
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Grenzmodell
- Yes
- Grundmodell
- Yes
- Wahrscheinlich über 10²³ FLOP
- Yes
- Warum es verfolgt wird
- Highly cited,Training cost
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 58,240
- Benchmark-Daten
- GPT-3 175B (davinci)
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Language Models are Few-Shot Learners
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Über dieses Modell
GPT-3 175B (davinci) wurde veröffentlicht von OpenAI, im Land aufgezeichnet als United States of America, während May 2020. Die Kategorie, in die der Herausgeber fällt, ist industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet text autocompletion, Language modeling/generation.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Training und Herkunft
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 3.1 × 10²³ FLOP, auf Hardware erfasst als NVIDIA Tesla V100 DGXS 32 GB. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Training verbrauchte ein Korpus von etwa 238,000,000,000 Text-Tokens
Es wird aus einem bestimmten Grund im zugrunde liegenden Datensatz verfolgt: highly cited,Training cost.
Antworten
GPT-3 175B (davinci) — Häufige Fragen
GPT-3 175B (davinci)— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 3.1 × 10²³ FLOP, auf Hardware erfasst als NVIDIA Tesla V100 DGXS 32 GB. 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.
GPT-3 175B (davinci)— 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.
GPT-3 175B (davinci)— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
GPT-3 175B (davinci)— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 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. 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.
GPT-3 175B (davinci)— Wer hat es erstellt?
Es wurde veröffentlicht von OpenAI, basiert auf United States of America, eine als kategorisierte Organisation industry.
GPT-3 175B (davinci)— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in May 2020. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
GPT-3 175B (davinci)— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von text autocompletion, Language modeling/generation. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
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.