Hawk
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Google DeepMind
- Tipo de organización
- Industry
- País
- United States of America
- Publicado
- 29 February 2024
- Autores
- Soham De, Samuel L. Smith, Anushan Fernando, Aleksandar Botev, George Cristian-Muraru, Albert Gu, Ruba Haroun, Leonard Berrada, Yutian Chen, Srivatsan Srinivasan, Guillaume Desjardins, Arnaud Doucet, David Budden, Yee Whye Teh, Razvan Pascanu, Nando De Freitas, Caglar Gulcehre
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, Chat
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 7B
- Datos de entrenamiento
- 300,000,000,000 tokens
"All three model families are trained at a range of model scales from 100M to 7B parameters, with an additional Griffin model with 14 billion parameters."
Table 1
Entrenamiento de computación
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 cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 4 × 10²¹ FLOP
- Cómo se estableció
- Reported
Figure 1.a Digitized and found 3.95e21 for biggest Hawk model
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- Google TPU v3
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Registrar confianza
- Confident
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Griffin: Mixing Gated Linear Recurrences with Local Attention for Efficient Language Models
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
Hawk was published by Google DeepMind, in United States of America, in February 2024. It comes out of industry.
It works in Language, and is recorded as doing language modeling/generation, Chat.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Training and provenance
The training run consumed about 4 × 10²¹ FLOP, on Google TPU v3. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 300,000,000,000 tokens of text.
Respuestas
Hawk — Preguntas frecuentes
How much compute was used to train Hawk?
Around 4 × 10²¹ FLOP, on Google TPU v3. 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 Hawk?
None. Hawk 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 Hawk open source?
No. Hawk has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Hawk have?
Hawk has 7B parameters. "All three model families are trained at a range of model scales from 100M to 7B parameters, with an additional Griffin model with 14 billion parameters.". 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 Hawk?
Hawk was published by Google DeepMind, based in United States of America, categorised as industry.
When was Hawk released?
Hawk was published in February 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Hawk used for?
Hawk works in Language, and is recorded as handling language modeling/generation, Chat. These are the areas it was designed around; they describe intent rather than a hard boundary.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.