Multi-Token Prediction 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
- Facebook AI Research
- Tipo de Organización
- Industry
- País
- United States of America, France
- Publicado
- 30 April 2024
- Autores
- Fabian Gloeckle, Badr Youbi Idrissi, Baptiste Rozière, David Lopez-Paz, Gabriel Synnaeve
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Code generation
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
- tokens
13B (Figure 1)
209.7B (Table S13)
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.
- Cómputo de entrenamiento
- 1.5 × 10²³ FLOP
- Cómo se estableció
- Hardware
"training all models reported in the paper required around 500K GPU hours of computation on hardware of type A100-80GB and H100." A100-80 GB peak FLOP/s [assumed fp16 precision]: 77970000000000 H100 peak FLOP/s [assumed SXM5 TensorCore]: 989000000000000 assuming 50/50 usage: (77970000000000+989000000000000)*0.5*500000hours*3600s*0.3=2.880819e+23 for ALL models in the paper assuming this model has taken around 16% of all used compute (https://docs.google.com/spreadsheets/d/1Yc-HAdYgn6e9SUIliMaQ…
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,NVIDIA H100 SXM5 80GB
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
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Better & Faster Large Language Models via Multi-token Prediction
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
Multi-Token Prediction 13B fue publicado por Facebook AI Research, en el país registrado como United States of America, durante April 2024. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de code generation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.5 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB,NVIDIA H100 SXM5 80GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
Multi-Token Prediction 13B — preguntas comunes
Multi-Token Prediction 13B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.5 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB,NVIDIA H100 SXM5 80GB. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Multi-Token Prediction 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.
Multi-Token Prediction 13B— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Multi-Token Prediction 13B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 13B. 13B (Figure 1). 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.
Multi-Token Prediction 13B— ¿Quién lo creó?
Fue publicado por Facebook AI Research, basado en United States of America, una organización categorizada como industry.
Multi-Token Prediction 13B— ¿cuándo fue lanzado?
Se publicó en April 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.
Multi-Token Prediction 13B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de code generation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
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.