BloombergGPT
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
- Bloomberg,Johns Hopkins University
- Tipo de organización
- Industry,Academia
- País
- United States of America
- Publicado
- 30 March 2023
- Autores
- Shijie Wu, Ozan Irsoy, Steven Lu, Vadim Dabravolski, Mark Dredze, Sebastian Gehrmann, Prabhanjan Kambadur, David Rosenberg, Gideon Mann
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, Language modeling/generation, Question answering, Financial management, Text classification
- Enfoque
- Self-supervised learning
- Numerical format
- BF16
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
- 50.6B
- Datos de entrenamiento
- 569,000,000,000 tokens
- Épocas
- 0.8
- Batch size
- 4,200,000
708.9 billion tokens. At 0.75 English words per token, that's 532B words
"in the first 7,200 steps, we use a batch size of 1,024 (2.1M tokens), then switch to a batch size of 2,048 (4.2M tokens) for the remainder of training."
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
- 2.4 × 10²³ FLOP
- Cómo se estableció
- Reported,Hardware
2.36e23 per Table 4 (using our usual hardware method, 512 A100s over 53 days would be 512 * 312 teraFLOP/s * 53 * 24 * 3600 * 0.3 = 2.19e23)
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- NVIDIA A100
- Chips usados
- 512
- Horas de chip
- 650,240
- Tiempo en tiempo real
- 1,270 hours (52.9 days)
- Hardware utilisation
- MFU 24.6% · HFU 32.7%
- Consumo de energía
- 408.3 kW
- Costo de computación
- $369,586
"~53 days"
Table 4 indicates an average of 102e12 FLOP/sec per A100 during training. HFU = 102e12 / 312e12 = 0.327. Confirmed by calculating manually with number of steps and time per step. Note also: "Since we adopt activation checkpointing to reduce our memory footprint, this costs us an additional 0.33x TFLOPs per iteration due to repeated forward passes." Then, MFU = (102/1.33)/312 = 0.2460
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.
- Modelo base
- Yes
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Registrar confianza
- Confident
- Citas
- 1,299
"We validate BloombergGPT on standard LLM benchmarks, open financial benchmarks, and a suite of internal benchmarks that most accurately reflect our intended usage. Our mixed dataset training leads to a model that outperforms existing models on financial tasks by significant margins without sacrificing performance on general LLM benchmarks."
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- BloombergGPT: A Large Language Model for Finance
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
BloombergGPT was published by Bloomberg,Johns Hopkins University, in United States of America, in March 2023. industry,Academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling, Language modeling/generation, Question answering, Financial management, Text classification.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Training and provenance
Producing it required around 2.4 × 10²³ FLOP of arithmetic, on NVIDIA A100, which is a statement about the training budget rather than about inference.
The training set ran to roughly 569,000,000,000 tokens.
Its inclusion criterion is sOTA improvement.
Respuestas
BloombergGPT — Preguntas frecuentes
Is BloombergGPT open source?
No. BloombergGPT has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does BloombergGPT have?
BloombergGPT has 50.6B 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 BloombergGPT?
BloombergGPT was published by Bloomberg,Johns Hopkins University, based in United States of America, categorised as industry,Academia.
When was BloombergGPT released?
BloombergGPT was published in March 2023. 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 BloombergGPT used for?
BloombergGPT works in Language, and is recorded as handling language modeling, Language modeling/generation, Question answering, Financial management, Text classification. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train BloombergGPT?
Around 2.4 × 10²³ FLOP, on NVIDIA A100. 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 BloombergGPT?
None. BloombergGPT 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.
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.