ChunkLlama2-13B
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Alibaba,The University of Hong Kong,Fudan University
- Tipo de Organización
- Industry,Academia,Academia
- País
- China, Hong Kong
- Publicado
- 29 May 2024
- Autores
- Chenxin An, Fei Huang, Jun Zhang, Shansan Gong, Xipeng Qiu, Chang Zhou, Lingpeng Kong
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Question answering
- Modelo base
- Llama 2-13B
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 13B
- Datos de entrenamiento
- 256,000,000 tokens
same as base model
The training dataset is sourced from ShareGPT and AlpacaGPT (Taori et al., 2023). For the data derived from ShareGPT, we specifically curate a subset by extracting responses generated by GPT-4, and dialogues that exceed 4k tokens in length. This selection results in a compilation of 5,405 training instances. We further finetune Llama2 with over 16k steps with a batch size of 1. prompt length 16k tokens ->16000 steps*16000 tokens= 256000000 tokens
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómo se estableció
- Hardware,Operation counting
- Computación de ajuste fino
- 2 × 10¹⁹ FLOP
6 FLOP/parameter/token * 13000000000 parameters * 256000000 tokens = 19968000000000000000 FLOP 312000000000000 FLOP/GPU/sec * 60 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 20217600000000000000 FLOP sqrt(19968000000000000000*20217600000000000000) = 2.0092412e+19
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100 SXM4 80 GB
- Horas de chip
- 60
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Open source
Apache 2.0 https://github.com/HKUNLP/ChunkLlama
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Training-Free Long-Context Scaling of Large Language Models
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
ChunkLlama2-13B fue publicado por Alibaba,The University of Hong Kong,Fudan University, en el país registrado como China, durante May 2024. La categoría en la que se encuentra el editor es industry,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering.
Se basa en Llama 2-13B. Esa es la forma habitual en que se produce un modelo especializado.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
El entrenamiento consumió un corpus de alrededor de 256,000,000 tokens de texto
Respuestas
ChunkLlama2-13B — preguntas comunes
ChunkLlama2-13B— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
ChunkLlama2-13B— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
ChunkLlama2-13B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 13B. same as base model. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
ChunkLlama2-13B— ¿Quién lo creó?
Fue publicado por Alibaba,The University of Hong Kong,Fudan University, basado en China, una organización categorizada como industry,Academia,Academia.
ChunkLlama2-13B— ¿cuándo fue lanzado?
Se publicó en May 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
ChunkLlama2-13B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.