Galactica Υπολογιστής TPS

Ανοιχτά βάρη Meta AI 120B παράμετροι November 2022

Κάθε κάρτα παρακάτω αξιολογείται σύμφωνα με αυτό το μοντέλο στη διάρκεια συμφραζομένων και την ελάχιστη ποιότητα που επιλέγετε. Η ταχύτητα είναι μια εκτίμηση για ένα μόνο αίτημα, υπολογισμένη από το εύρος ζώνης μνήμης της κάρτας και το μέγεθος του μοντέλου μόλις συμπιεστεί..

Υπολογίστηκε για αυτό το μοντέλο

38 κάρτες που μπορούν να το τρέξουν

818 κάρτες που κρατάμε προδιαγραφές για

Η μικρότερη κάρτα που χωράει

RTX PRO 5000 72 GB Blackwell

72 GB · Q3_K_M · 12.8 tok/s

Ταχύτερη κάρτα

H100 NVL 94 GB

32.1 tok/s · 94 GB

Ποιες GPU μπορούν να τρέξουν Galactica?

Ορίστε τις εισόδους, διαβάστε την απάντηση

Μια μεγαλύτερη συζήτηση χρειάζεται περισσότερη μνήμη, γεγονός που μπορεί να απομακρύνει αυτό το μοντέλο από μικρότερες κάρτες..

Κρύβει κάρτες που θα χωρούσαν μόνο το μοντέλο συμπιέζοντας το κάτω από αυτό το σημείο.

38 οι κάρτες ταιριάζουν

Υπολογισμός
Χρειάζεται Ποσοτικοποίηση Καλά
32.1 tok/s

19–51 · χαμηλή εμπιστοσύνη

H100 NVL 94 GB NVIDIA 94 GB 3,940 GB/s Mar 2023 73.3 GB Q4_K_M Στενά
29.1 tok/s

17–47 · χαμηλή εμπιστοσύνη

H100 SXM5 80 GB NVIDIA 80 GB 3,360 GB/s Oct 2022 66.3 GB IQ4_XS Στενά
29.1 tok/s

17–47 · χαμηλή εμπιστοσύνη

H800 SXM5 NVIDIA 80 GB 3,360 GB/s Mar 2023 66.3 GB IQ4_XS Στενά
28.2 tok/s

17–45 · χαμηλή εμπιστοσύνη

B200 NVIDIA 180 GB 8,000 GB/s Jan 2024 129.2 GB Q8_0 Άνετο
28.2 tok/s

17–45 · χαμηλή εμπιστοσύνη

B300 NVIDIA 288 GB 8,000 GB/s Sep 2025 129.2 GB Q8_0 Άνετο
27.4 tok/s

16–44 · χαμηλή εμπιστοσύνη

H100 PCIe 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.3 GB Q4_K_M Στενά
27.4 tok/s

16–44 · χαμηλή εμπιστοσύνη

H100 SXM5 94 GB NVIDIA 94 GB 3,360 GB/s Mar 2023 73.3 GB Q4_K_M Στενά
27.4 tok/s

16–44 · χαμηλή εμπιστοσύνη

H100 SXM5 96 GB NVIDIA 96 GB 3,360 GB/s Mar 2023 73.3 GB Q4_K_M Στενά
26.2 tok/s

16–42 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300 AMD 128 GB 6,550 GB/s Jan 2023 101.2 GB Q6_K Στενά
25.1 tok/s

15–40 · χαμηλή εμπιστοσύνη

H200 NVL NVIDIA 141 GB 4,890 GB/s Nov 2024 101.2 GB Q6_K Άνετο
25.1 tok/s

15–40 · χαμηλή εμπιστοσύνη

H200 SXM 141 GB NVIDIA 141 GB 4,890 GB/s Nov 2024 101.2 GB Q6_K Άνετο
22.6 tok/s

14–36 · χαμηλή εμπιστοσύνη

Radeon Instinct MI350X AMD 288 GB 8,190 GB/s Jan 2025 129.2 GB Q8_0 Άνετο
22.6 tok/s

14–36 · χαμηλή εμπιστοσύνη

Radeon Instinct MI355X AMD 288 GB 8,190 GB/s Jan 2025 129.2 GB Q8_0 Άνετο
21.3 tok/s

13–34 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300A AMD 128 GB 5,325 GB/s Dec 2023 101.2 GB Q6_K Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

A100 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Nov 2020 66.3 GB IQ4_XS Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

A100X NVIDIA 80 GB 2,040 GB/s Jun 2021 66.3 GB IQ4_XS Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

A800 SXM4 80 GB NVIDIA 80 GB 2,040 GB/s Aug 2022 66.3 GB IQ4_XS Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

H100 CNX NVIDIA 80 GB 2,040 GB/s Mar 2023 66.3 GB IQ4_XS Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

H100 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Oct 2022 66.3 GB IQ4_XS Στενά
17.7 tok/s

11–28 · χαμηλή εμπιστοσύνη

H800 PCIe 80 GB NVIDIA 80 GB 2,040 GB/s Mar 2023 66.3 GB IQ4_XS Στενά
16.8 tok/s

10–27 · χαμηλή εμπιστοσύνη

A100 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Jun 2021 66.3 GB IQ4_XS Στενά
16.8 tok/s

10–27 · χαμηλή εμπιστοσύνη

A800 PCIe 80 GB NVIDIA 80 GB 1,940 GB/s Nov 2022 66.3 GB IQ4_XS Στενά
16.5 tok/s

10–26 · χαμηλή εμπιστοσύνη

Radeon Instinct MI325X AMD 256 GB 6,000 GB/s Oct 2024 129.2 GB Q8_0 Άνετο
14.7 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI300X AMD 192 GB 5,325 GB/s Dec 2023 129.2 GB Q8_0 Άνετο
14.7 tok/s

9–23 · χαμηλή εμπιστοσύνη

Radeon Instinct MI308X AMD 192 GB 5,325 GB/s Dec 2023 129.2 GB Q8_0 Άνετο

Οι ταχύτητες είναι εκτιμήσεις για ένα μόνο αίτημα — μία συνομιλία τη φορά — υπολογισμένες από την μνήμη, το μέγεθος του μοντέλου και την ποσοτικοποίηση. Η πραγματική διακύμανση έξοδου ποικίλλει με τον χρόνο εκτέλεσης συμπερασμάτων και την έκδοσή του. Οι αριθμοί που δημοσιεύονται από τους προμηθευτές υλικού μετρούν πολλές ταυτόχρονες αιτήσεις και είναι πολύ υψηλότεροι..

Σε καταγραφή

Πλήρης προδιαγραφή

Όλα τα καταγεγραμμένα για αυτό το μοντέλο. Τα περισσότερα από αυτά περιγράφουν το πώς εκπαιδεύτηκε παρά το πώς τρέχει — χρήσιμο πλαίσιο για την εκτίμηση του πόση εργασία έχει επενδυθεί σε αυτό, και πώς συγκρίνεται με μοντέλα που έχουν κατασκευαστεί σε διαφορετική κλίμακα..

Προέλευση

Ποιος κατασκεύασε αυτό το μοντέλο, πού και πότε δημοσιεύθηκε.

Οργάνωση
Meta AI
Τύπος οργανισμού
Industry
Χώρα
United States of America
Δημοσιευμένο
16 November 2022
Συγγραφείς
Ross Taylor, Marcin Kardas, Guillem Cucurull, Thomas Scialom, Anthony Hartshorn, Elvis Saravia, Andrew Poulton, Viktor Kerkez, Robert Stojnic

Τι κάνει

Οι προβληματικές περιοχές για τις οποίες σχεδιάστηκε το μοντέλο. Ένα μοντέλο μπορεί να διαθέτει αρκετές από κάθε μία.

τομέας
Language, Biology
Εργασία
Language modeling, Question answering, Mathematical reasoning, Medical diagnosis, Language modeling/generation
Προσέγγιση
Self-supervised learning

Μέγεθος

Πόσο μεγάλο είναι το μοντέλο και πόσα δεδομένα έχει εκπαιδευτεί. Οι παράμετροι είναι ο αριθμός που αποφασίζει αν χωράει σε μια δεδομένη κάρτα γραφικών.

παράμετροι
120B

"The largest 120B model we train runs on a single NVIDIA A100 node"

Δεδομένα εκπαίδευσης
106,000,000,000 tokens

"Total dataset size = 106 billion tokens"

Εποχές
4
Μέγεθος παρτίδας
2,000,000

Table 1: batch size 2M, warmup 1.1B (out of 450B tokens)

Εκπαίδευση υπολογιστών

Η αριθμητική που πραγματοποιήθηκε για την εκπαίδευση του μοντέλου, μετρημένη σε πράξεις κινητής υποδιαστολής. Είναι ένα μέτρο του κόστους της προπόνησης, όχι της ταχύτητας με την οποία το ολοκληρωμένο μοντέλο σας απαντά.

Εκπαίδευση υπολογιστών
3.2 × 10²³ FLOP

Authors state the model is trained on 450b tokens. Using 6 FLOP/token/parameter, this is 6*120b*450b = 3.24e23

Πώς ιδρύθηκε
Operation counting

Η εκπαίδευση run

Τι απαιτήθηκε φυσικά για την εκπαίδευση: ποιες κάρτες, πόσες, για πόσο καιρό, και τι αυτό απαιτούσε από το ρεύμα.

Υλικό εκπαίδευσης
NVIDIA A100 SXM4 80 GB
χρησιμοποιούμενα τσιπ
128
Κατανάλωση ενέργειας
102.4 kW
Κόστος υπολογισμού
$591,077

Διαθεσιμότητα

Εάν μπορείτε να αποκτήσετε το μοντέλο και να το τρέξετε στο δικό σας υλικό, το οποίο αποφασίζει αν οποιαδήποτε από τις αριθμούς της κάρτας γραφικών σε αυτή τη σελίδα ισχύει.

Βάρη
Open — downloadable
Πρόσβαση μοντέλου
Open weights (non-commercial)
Κωδικός εκπαίδευσης
Unreleased

cc-by-nc (non-commercial): https://huggingface.co/facebook/galactica-120b repo but no training code: https://github.com/paperswithcode/galai/blob/main/README.md

Πώς ταξινομείται

Ετικέτες το πηγαίο σύνολο δεδομένων εφαρμόζει όταν παρακολουθεί σημαντικά μοντέλα, και πόσο βέβαιο είναι στην είσοδο.

Μοντέλο Θεμελίωσης
Yes
Πιθανώς πάνω από 10²³ FLOP
Yes
Γιατί παρακολουθείται
SOTA improvement

"We outperform existing models on a range of scientific tasks. On technical knowledge probes such as LaTeX equations, Galactica outperforms the latest GPT-3 by 68.2% versus 49.0%. Galactica also performs well on reasoning, outperforming Chinchilla on mathematical MMLU by 41.3% to 35.7%, and PaLM 540B on MATH" "On reasoning tasks, Galactica beats existing language models on benchmarks such as MMLU and MATH (Hendrycks et al., 2020, 2021). With our reasoning token approach, we outperform Chinchill…

Εγγραφή εμπιστοσύνης
Likely
Παραπομπές
1,017

Πηγές

Από πού προήλθε αυτή η καταγραφή και πότε ελέγχθηκε τελευταία φορά.

Αναφορά
Galactica: A Large Language Model for Science
Τελευταία ενημέρωση
25 May 2026

Οι ακραίοι

Οι δέκα ταχύτερες GPUs που τρέχουν Galactica

Καταταγμένο κατά εκτιμώμενα tokens ανά δευτερόλεπτο, η νέα κάρτα πρώτα όπου οι ταχύτητες ισοφαρίζουν. Επειδή η γενιά εξαρτάται από την μνήμη μπάδνγουθ, αυτή η ταξινόμηση ακολουθεί την μπάδνγουθ παρά οποιοδήποτε benchmark παιχνιδιού..

  1. 01 H100 NVL 94 GB 94 GB · 3,940 GB/s · Q4_K_M 32.1 tok/s
  2. 02 H800 SXM5 80 GB · 3,360 GB/s · IQ4_XS 29.1 tok/s
  3. 03 H100 SXM5 80 GB 80 GB · 3,360 GB/s · IQ4_XS 29.1 tok/s
  4. 04 B300 288 GB · 8,000 GB/s · Q8_0 28.2 tok/s
  5. 05 B200 180 GB · 8,000 GB/s · Q8_0 28.2 tok/s
  6. 06 H100 PCIe 96 GB 96 GB · 3,360 GB/s · Q4_K_M 27.4 tok/s
  7. 07 H100 SXM5 94 GB 94 GB · 3,360 GB/s · Q4_K_M 27.4 tok/s
  8. 08 H100 SXM5 96 GB 96 GB · 3,360 GB/s · Q4_K_M 27.4 tok/s
  9. 09 Radeon Instinct MI300 128 GB · 6,550 GB/s · Q6_K 26.2 tok/s
  10. 10 H200 NVL 141 GB · 4,890 GB/s · Q6_K 25.1 tok/s

Οι μικρότερες GPUs που ακόμη λειτουργούν Galactica

Η φθηνότερη διαδρομή, κατά χωρητικότητα μνήμης. Μια σφιχτή εφαρμογή τρέχει το μοντέλο αλλά δεν αφήνει τίποτα επιπλέον για μια μεγαλύτερη συνομιλία..

  1. 01 RTX PRO 5000 72 GB Blackwell 72 GB · Χρειάζεται 59.3 GB · Q3_K_M · Στενά 12.8 tok/s
  2. 02 H100 CNX 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 17.7 tok/s
  3. 03 H800 PCIe 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 17.7 tok/s
  4. 04 H800 SXM5 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 29.1 tok/s
  5. 05 A800 PCIe 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 16.8 tok/s
  6. 06 H100 PCIe 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 17.7 tok/s
  7. 07 H100 SXM5 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 29.1 tok/s
  8. 08 A800 SXM4 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 17.7 tok/s
  9. 09 A100 PCIe 80 GB 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 16.8 tok/s
  10. 10 A100X 80 GB · Χρειάζεται 66.3 GB · IQ4_XS · Στενά 17.7 tok/s

Τι σημαίνουν οι αριθμοί

Απαιτήσεις υλικού στην πράξη

Ελάχιστη κάρτα

RTX PRO 5000 72 GB Blackwell

Μνήμη που απαιτείται

59.3 GB

Ταχύτερος

32.1 tok/s

Galactica φτάνει σε αριθμό παραμέτρων του 120B. Αυτό το τοποθετεί πάνω από το καταναλωτικό υλικό, στην κατηγορία όπου μια ΚΑΡΤΑ αγοράζεται για αυτόν τον σκοπό αντί να επαναχρησιμοποιηθεί γι' αυτό. Ο αριθμός των ΚΑΡΤΩΝ που παρακολουθούμε που μπορούν να το διατηρήσουν: 38.

Το σημείο εισόδου είναι RTX PRO 5000 72 GB Blackwell, με χωρητικότητα μνήμης 72 GB, τρέχοντας το σε μια συμπίεση του Q3_K_M και παράγοντας περίπου 12.8 tokens ανά δευτερόλεπτο

Ο ταχύτερος υπολογισμός που κάνουμε γι 'αυτό είναι H100 NVL 94 GB, γεννά προσεγγιστικά 32.1 tokens ανά δευτερόλεπτο με βάση τη μνήμη bandwidth ενός 3,940 GB/s.

Από πού προήλθε

Galactica δημοσιεύθηκε από Meta AI, στην χώρα καταγεγραμμένη ως United States of America, κατά τη διάρκεια November 2022. Ο εκδοτικός οργανισμός κατηγοριοποιείται ως industry.

Λειτουργεί στον τομέα της Language, Biology, και καταγράφεται ότι εκτελεί την εργασία του language modeling, Question answering, Mathematical reasoning, Medical diagnosis, Language modeling/generation.

Τα βάρη είναι δημοσιευμένα, έτσι ώστε να μπορούν να κατεβούν και να τρέξουν στον δικό σας υπολογιστή επ' αόριστον, εκτός σύνδεσης, χωρίς λογαριασμό συνδεδεμένο.

Κατανόηση των ταχυτήτων

Η μισή από τις κάρτες που το κρατούν διαχειρίζονται περισσότερα από 17.7 τόκεν ανά δευτερόλεπτο. Παραγωγή κειμένου ταχύτερα από το μεγαλύτερο μέρος των ανθρώπων το διαβάζουν. 36 τους

Κάθε βάρος συμμετέχει σε κάθε τόκεν εδώ, έτσι το εύρος ζώνης είναι ολόκληρη η ιστορία: η κατάταξη παρακάτω είναι ουσιαστικά μια κατάταξη της ροής μνήμης.

Χωρίς τη διάταξη προσοχής σε αρχείο, η στήλη μνήμης είναι μια προσέγγιση. Είναι αρκετά κοντά για να επιλέξετε υλικό, και λιγότερο αξιόπιστη σε μεγάλο context.

Τι χρειάστηκε για την κατασκευή του

Η εκπαιδευτική εκτέλεση καταναλώνει περίπου 3.2 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100 SXM4 80 GB. Αυτή η τιμή μετράει το κόστος παραγωγής του μοντέλου και δεν έχει σχέση με το πόσο γρήγορα απαντά.

Το σύνολο εκπαίδευσης εκτελέστηκε σε περίπου 106,000,000,000 κωδικοί κειμένου

Ο λόγος που εμφανίζεται σε αυτόν τον κατάλογο είναι: sOTA improvement.

Βήμα προς βήμα

Πώς να επιλέξετε μια GPU για Galactica

Ο πίνακας παραπάνω έχει ήδη αξιολογήσει κάθε κάρτα για την οποία έχουμε προδιαγραφές σε σχέση με αυτό το μοντέλο. Η εύρεση της απάντησής σας απαιτεί έξι βήματα.

  1. 01

    Έλεγξε τι χρειάζεται πριν από οτιδήποτε άλλο

    Κάθε κάρτα εδώ έχει ελεγχθεί σε σχέση με Galactica, χρειάζεστε γύρω 59.3 GB σε συμπίεση ενός Q3_K_M. Αυτή η τιμή, όχι η κύρια απόδοση μιας κάρτας, είναι αυτή που αποφασίζει αν θα τρέξει.

  2. 02

    Ρύθμισε το context length που θα εργαστείς.

    Ρυθμίστε το πλαίσιο σε αυτό που θα χρησιμοποιήσετε πραγματικά. Η μνήμη αυξάνεται με την συνομιλία, και είναι ο συνηθισμένος λόγος που μια κάρτα που φαινόταν εντάξει σταματά να ταιριάζει. Galactica.

  3. 03

    Επίλεξε πόσο μακριά θα το συμπιέσεις

    Η στήλη ποσοτικοποίησης διαφέρει ανά κάρτα, διότι μια μεγαλύτερη κάρτα κρατά μια πιο ακριβή αντιγραφή., φτάνοντας σε μια συμπίεση του Q3_K_M στην μικρότερη κάρτα που χωρά. Η ρύθμιση μιας ελάχιστης ποιότητας απορρίπτει τις κάρτες που το διαχειρίζονται μόνο σφίγγοντας περισσότερο από αυτό που θα θέλατε, και διατηρεί τη σύγκριση σε ένα επίπεδο.

  4. 04

    Ταξινόμηση κατά ταχύτητα

    Η κατάταξη κατά τους αριθμούς ανά δευτερόλεπτο ακολουθεί την εύρος μνήμης αντί για τον αριθμό πυρήνων, για Galactica. Δεν θα ταιριάξει σε μια παραγγελία παιχνιδιών, επειδή η γενιά περιορίζεται από το memory bandwidth. Η κάρτα που είναι στην κορυφή της λίστας είναι H100 NVL 94 GB, σε 32.1 τοκ/σ.

  5. 05

    Κοίτα τον χώρο, όχι μόνο την εφαρμογή

    Η στήλη καταλληλότητας χωρίζει τις κάρτες που απλά τα καταφέρνουν από αυτές που έχουν περιθώριο, στην περίπτωση του Galactica. Άνετο σημαίνει ότι μπορείτε να επεκτείνετε το context αργότερα. Αυτή η διαφορά έχει μεγαλύτερη σημασία από μερικά tokens ανά δευτερόλεπτο, οπότε αγοράστε για άνετο αν το περιμένετε.

  6. 06

    Άνοιξε την κάρτα στην οποία έχεις καταλήξει

    Κάθε όνομα κάρτας συνδέεται με τη δική της σελίδα, η οποία εκτελεί την ίδια υπολογιστική διαδικασία σε όλο τον κατάλογο μοντέλων. Μια κάρτα συνήθως αγοράζεται για περισσότερα από ένα μοντέλο, οπότε αξίζει να ρίξετε μια ματιά πριν από την αγορά για Galactica.

Απαντήσεις

Galactica — κοινές ερωτήσεις

01

Galactica— μπορώ να το τρέξω αν δεν χωράει στην GPU μου;

Μερικώς. Οι στρώσεις που δεν χωρούν βρίσκονται στη μνήμη του συστήματος και λειτουργούν με κλάσμα της ταχύτητας, οπότε ένα μοντέλο που είναι κυρίως εκφορτωμένο σπάνια αξίζει να χρησιμοποιηθεί. Η πλησιέστερη αποτυχία που υπολογίζουμε υπολείπεται κατά 15.7 GB Κάθε αριθμός εδώ υποθέτει ότι ολόκληρο το μοντέλο είναι εγκατεστημένο στην κάρτα.

02

Galactica— θα τρέξουν δύο GPU πιο γρήγορα;

Δύο κάρτες αγοράζουν μνήμη rather than ταχύτητα, η οποία έχει σημασία μόνο αν μία κάρτα δεν μπορεί να το κρατήσει. Ο αριθμός που μπορεί: 38. Έτσι, μια δεύτερη κάρτα σπάνια είναι η απάντηση εδώ.

03

Galactica— γιατί διαφέρει η ποσοτικοποίηση μεταξύ των καρτών;

Επειδή η χωρητικότητα διαφέρει, έτσι διαφέρει και πόσο σφιχτά πρέπει να συμπιεστεί. Ο αριθμός των διακριτών επιπέδων στον παραπάνω πίνακα: 5. Οι μεγαλύτερες κάρτες παίρνουν την πιο ακριβή έκδοση, και η ποιότητα του δαπέδου πάνω από τις βελονίτσες συγκρατεί τη σύγκριση σε ένα επίπεδο.

04

Galactica— πόσο ακριβείς είναι αυτές οι εκτιμήσεις ταχύτητας;

Υπολογίζονται από προδιαγραφές και όχι μετρήσεις, και κάθε μία φέρει μια γκάμα. Ένα παράδειγμα: 19–51 tok/s στον H100 NVL 94 GB. Το ίδιο μοντέλο και κάρτα διαφέρουν κατά τριάντα έως πενήντα τοις εκατό ανάλογα με το λογισμικό συμπερασμού και την έκδοσή του.

05

Galactica— ποια GPU χρειάζομαι για να το τρέξω;

Η μικρότερη κάρτα στον κατάλογό μας που το κρατάει είναι RTX PRO 5000 72 GB Blackwell, με χωρητικότητα μνήμης 72 GB. Τρέχει το μοντέλο σε συμπίεση της Q3_K_M χρησιμοποιώντας περίπου 59.3 GB, και παράγει περίπου 12.8 δεκάρια ανά δευτερόλεπτο. Ο αριθμός των καρτών που είναι ικανές να το εκτελέσουν συνολικά: 38.

06

Galactica— πώς γρήγορα είναι σε μια GPU;

Εξαρτάται από την ΚΑΡΤΑ. Ο πιο γρήγορος υπολογισμός που κάνουμε είναι H100 NVL 94 GB, γύρω από 32.1 tokens ανά δευτερόλεπτο; ο πιο αργός που εξακολουθεί να τρέχει διαχειρίζεται σημαντικά λιγότερα. Η ταχύτητα ανάγνωσης είναι γύρω από δέκα tokens ανά δευτερόλεπτο, και ο αριθμός των καρτών που καθαρίζουν αυτό: 36.

07

Galactica— πόσο VRAM χρειάζεται;

Χρειάζεται περίπου 59.3 GB σε συμπίεση Q3_K_M, ποια είναι η μικρότερη κάρτα που το τρέχει. Λιγότερη συμπίεση χρειάζεται περισσότερα: οι αριθμοί στη στήλη μνήμης παραπάνω υπολογίζονται ξανά για κάθε κάρτα, επειδή κάθε μία κρατά την λιγότερο συμπιεσμένη έκδοση που μπορεί.

08

Galactica— είναι ανοιχτού κώδικα;

Οι βάσεις του είναι δημοσιευμένες, οπότε μπορεί να κατέβει και να τρέξει σε δικό σας υλικό. Σημειώστε ότι τα open weights δεν είναι το ίδιο με το open source με την πλήρη έννοια — δεν λέει τίποτα για τα δεδομένα εκπαίδευσης, τον κώδικα εκπαίδευσης ή τους εμπορικούς όρους που συσχετίζονται.

09

Galactica— πόσες παραμέτρους έχει;

Έχει αριθμό παραμέτρων 120B. "The largest 120B model we train runs on a single NVIDIA A100 node". Αυτή η φιγούρα είναι το σύνολο, και είναι αυτό που αποφασίζει πόση μνήμη χρειάζεται το μοντέλο - περίπου μισό γιγαμπάιτ ανά δισεκατομμύριο με τη συμπίεση που χρησιμοποιεί το πιο πολλοί άνθρωποι.

10

Galactica— ποιος το δημιούργησε;

Δημοσιεύθηκε από Meta AI, βασισμένο σε United States of America, μία οργάνωση κατηγοριοποιημένη ως industry.

11

Galactica— πότε κυκλοφόρησε;

Δημοσιεύθηκε σε November 2022. Η ικανότητα ανά παράμετρο έχει βελτιωθεί σημαντικά από τότε, οπότε ένα νέο ΜΟΝΤΕΛ του ίδιου μεγέθους είναι συχνά η καλύτερη χρήση του ίδιου υλικού.

12

Galactica— για τί χρησιμοποιείται;

Λειτουργεί στον τομέα της Language, Biology, και καταγράφεται ως διαχείριση της εργασίας του language modeling, Question answering, Mathematical reasoning, Medical diagnosis, Language modeling/generation. Αυτές είναι οι περιοχές γύρω από τις οποίες σχεδιάστηκε; Περιγράφουν την πρόθεση παρά ένα αυστηρό όριο.

13

Galactica— πού μπορώ να το κατεβάσω;

Οι παράμετροι είναι δημοσιευμένες, αν και δεν κρατάμε σύνδεσμο αποθετηρίου γι' αυτό. Αυτή η ιστοσελίδα υπολογίζει τις απαιτήσεις υλικού αντί να φιλοξενεί αρχεία μοντέλων.

14

Galactica— πόσο υπολογιστική ισχύς χρησιμοποιήθηκε για την εκπαίδευσή του;

Η εκπαίδευση κατανάλωσε περίπου 3.2 × 10²³ FLOP, σε υλικό καταγεγραμμένο ως NVIDIA A100 SXM4 80 GB. Αυτό μετράει το κόστος παραγωγής του μοντέλου και δεν λέει τίποτα για το πόσο γρήγορα απαντά μόλις εκπαιδευτεί — η ταχύτητα συμπερασμάτων προέρχεται από τον δίαυλο μνήμης, όχι από τον προϋπολογισμό εκπαίδευσης.

Πηγή

Αρχική δημοσίευση

Η καταγραφή ενημερώθηκε τελευταία φορά 25 May 2026

Η άλλη κατεύθυνση

Κοιτάζοντας το από την άλλη πλευρά;

Αυτή η σελίδα ξεκινά από το μοντέλο. Αν έχετε ήδη μια κάρτα και θέλετε να μάθετε τα πάντα για το τι θα τρέξει., ξεκινήστε από το υλικό αντ' αυτού.

Όλα τα μοντέλα AI