SparseOPT-175B
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
- Institute of Science and Technology Austria (ISTA),Neural Magic
- Tipo de Organización
- Academia,Industry
- País
- Austria, United States of America
- Publicado
- 2 January 2023
- Autores
- Elias Frantar, Dan Alistarh
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
- OPT-175B
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
- 87.5B
- Datos de entrenamiento
- tokens
- Épocas
- 1.67
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
- 1.6 × 10²³ FLOP
- Cómo se estableció
- Hardware
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
- Chips utilizados
- 1
- Tiempo de reloj
- 4 hours
- Consumo de energía
- 439 W
"All pruning experiments are conducted on a single NVIDIA A100 GPU with 80GB of memory. In this setup, SparseGPT can fully sparsify the 175-billion-parameter models in approximately 4 hours."
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
code is Apache 2.0 (but OPT, which you'd need to recreate this model, is non-commercial) https://github.com/IST-DASLab/sparsegpt/blob/master/opt.py
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
- Confident
- Citas
- 1,267
- Datos de referencia
- SparseOPT-175B
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
SparseOPT-175B fue publicado por Institute of Science and Technology Austria (ISTA),Neural Magic, en el país registrado como Austria, durante January 2023. La categoría en la que se encuentra el editor es academia,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering.
En lugar de ser entrenado desde cero, se deriva de OPT-175B. Por eso comparte la forma y el tamaño general del modelo base.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 1.6 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
SparseOPT-175B — preguntas comunes
SparseOPT-175B— ¿Quién lo creó?
Fue publicado por Institute of Science and Technology Austria (ISTA),Neural Magic, basado en Austria, una organización categorizada como academia,Industry.
SparseOPT-175B— ¿cuándo fue lanzado?
Se publicó en January 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.
SparseOPT-175B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
SparseOPT-175B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.6 × 10²³ FLOP, en hardware registrado como NVIDIA A100 SXM4 80 GB. 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.
SparseOPT-175B— ¿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.
SparseOPT-175B— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
SparseOPT-175B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 87.5B. 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.