PanGu-Σ
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
- Huawei Noah's Ark Lab
- Tipo de Organización
- Industry
- País
- China
- Publicado
- 20 March 2023
- Autores
- Xiaozhe Ren, Pingyi Zhou, Xinfan Meng, Xinjing Huang, Yadao Wang, Weichao Wang, Pengfei Li, Xiaoda Zhang, Alexander Podolskiy, Grigory Arshinov, Andrey Bout, Irina Piontkovskaya, Jiansheng Wei, Xin Jiang, Teng Su, Qun Liu, Jun Yao
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, Language modeling, Translation, Question answering
- Enfoque
- Self-supervised learning
- Formato numérico
- FP16
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
- 1.1T
- Datos de entrenamiento
- 329,000,000,000 tokens
- Épocas
- 1
- Tamaño de lote
- 524,288
"In this work, we present PanGu-Σ , a large language model with sparse architecture containing 1.085 trillion parameters."
329B tokens ~= 247B words
"We train PanGu-Σ with global batch size of 512 with sequence length of 1024 for each sample"
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
- 4.7 × 10²³ FLOP
- Cómo se estableció
- Hardware
It has sparse architecture, so we can't use C=6ND. "We develop PanGu-Σ model under the framework of MindSpore and train it on a cluster with only 512 Ascend 910 AI Accelerators with 329 billion tokens over 100 days." 100 days * 512 processors * 320 teraFLOPS/processor * 33% utilization = 4.67e+23 FLOP https://www.wolframalpha.com/input?i=100+days+*+512+*+320+terahertz+*+0.33
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
- Huawei Ascend 910
- Chips utilizados
- 512
- Horas de chip
- 1,228,800
- Tiempo de reloj
- 2,400 hours (100 days)
- Consumo de energía
- 316.5 kW
We develop PanGu-Σ model under the framework of MindSpore 5 and train it on a cluster with only 512 Ascend 910 AI Accelerators [28] with 329 billion tokens over 100 days.
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
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 78
"Our experimental findings show that PanGu-{\Sigma} provides state-of-the-art performance in zero-shot learning of various Chinese NLP downstream tasks." "The results on WMT20 translation task. PanGu-Σ outperforms previous Chinese-English SOTA pre-trained large model with a large margin." " The PanGu-Σ outperforms the current state-of-the-art model PanGu-Coder by 1.4 point on the pass@1 for MBPP tasks" "Table 5: Zero-shot results of Chinese downstream tasks. Compared to ERNIE 3.0 Titan, PanGu…
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- PanGu-Σ: Towards Trillion Parameter Language Model with Sparse Heterogeneous Computing
- Última actualización
- 6 January 2026
Qué significan los números
Acerca de este modelo
PanGu-Σ fue publicado por Huawei Noah's Ark Lab, en el país registrado como China, durante March 2023. Sale de una organización categorizada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de code generation, Language modeling, Translation, Question answering.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 4.7 × 10²³ FLOP, en hardware registrado como Huawei Ascend 910. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 329,000,000,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
PanGu-Σ — preguntas comunes
PanGu-Σ— ¿Quién lo creó?
Fue publicado por Huawei Noah's Ark Lab, basado en China, una organización categorizada como industry.
PanGu-Σ— ¿cuándo fue lanzado?
Se publicó en March 2023. 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.
PanGu-Σ— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de code generation, Language modeling, Translation, Question answering. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
PanGu-Σ— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 4.7 × 10²³ FLOP, en hardware registrado como Huawei Ascend 910. 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.
PanGu-Σ— ¿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.
PanGu-Σ— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
PanGu-Σ— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1.1T. "In this work, we present PanGu-Σ , a large language model with sparse architecture containing 1.085 trillion parameters.". 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.
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.