DataRater test model (1B)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Google DeepMind
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 23 May 2025
- Autoren
- Dan A. Calian, Gregory Farquhar, Iurii Kemaev, Luisa M. Zintgraf, Matteo Hessel, Jeremy Shar, Junhyuk Oh, András György, Tom Schaul, Jeffrey Dean, Hado van Hasselt, David Silver
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Language
- Aufgabe
- Language modeling
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Parameter
- 1B
- Trainingsdaten
- tokens
"A baseline 1B model is trained on the unfiltered dataset, while a second 1B model is trained analogously on the same dataset, but filtered by a DataRater."
Training-Computing
Die zur Ausbildung des Modells durchgeführte Arithmetik, gemessen in Gleitkommaoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht wie schnell das fertige Modell Ihnen antwortet.
- Training-Computing
- 1.2 × 10²⁰ FLOP
c = 6nd where n = 1B, d = 20B c = 6 * 1B * 20B = 1.2e20 FLOPs "All inner language models and DataRater models are based on the Chinchilla [Hoffmann et al., 2022] transformer architectures [Vaswani et al., 2017]." "Meta-training a DataRater requires approximately 58.4% of the FLOPS needed to train a single 1B LLM."
Der Trainingslauf
Was physisch notwendig war, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Steckdose zog.
- Trainingshardware
- Google TPU v6e Trillium
- Verwendete Chips
- 32
- Stromverbrauch
- 23.8 kW
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Aufzeichnungszuversicht
- Likely
- Zitationen
- 12
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- DataRater: Meta-Learned Dataset Curation
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
DataRater test model (1B) was published by Google DeepMind, in United States of America, in May 2025. The organisation is categorised as industry.
It works in Language, and is recorded as doing language modeling.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Was in den Aufbau geflossen ist
Producing it required around 1.2 × 10²⁰ FLOP of arithmetic, on Google TPU v6e Trillium, which is a statement about the training budget rather than about inference.
Antworten
DataRater test model (1B) — Häufig gestellte Fragen
How many parameters does DataRater test model (1B) have?
DataRater test model (1B) has 1B parameters. "A baseline 1B model is trained on the unfiltered dataset, while a second 1B model is trained analogously on the same dataset, but filtered by a DataRater.". 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 DataRater test model (1B)?
DataRater test model (1B) was published by Google DeepMind, based in United States of America, categorised as industry.
When was DataRater test model (1B) released?
DataRater test model (1B) was published in May 2025.
What is DataRater test model (1B) used for?
DataRater test model (1B) works in Language, and is recorded as handling language modeling. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train DataRater test model (1B)?
Around 1.2 × 10²⁰ FLOP, on Google TPU v6e Trillium. 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 DataRater test model (1B)?
None. DataRater test model (1B) 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 DataRater test model (1B) open source?
The licensing for DataRater test model (1B) was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.