AlexaTM 20B
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
- Amazon
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 2 August 2022
- Autores
- Saleh Soltan, Shankar Ananthakrishnan, Jack FitzGerald, Rahul Gupta, Wael Hamza, Haidar Khan, Charith Peris, Stephen Rawls, Andy Rosenbaum, Anna Rumshisky, Chandana Satya Prakash, Mukund Sridhar, Fabian Triefenbach, Apurv Verma, Gokhan Tur, Prem Natarajan
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, Translation, Question answering
- Formato numérico
- BF16
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
- 19.8B
- Datos de entrenamiento
- 1,319,000,000,000 tokens
- Tamaño de lote
- 2,000,000
See Table 1 on p.3 of the paper
See Table 2 on p.3 of the paper. 119B Wikipedia tokens + 1.2T mC4 tokens = 1319000000000 tokens
"We trained AlexaTM 20B for 120 days on 128 A100 GPUs for the total of 500k updates with the accumulated batch size of 2 million tokens"
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
- 2 × 10²³ FLOP
- Cómo se estableció
- Hardware
Training throughput is reported as 154 TFLOP/s - see p.5 of the paper. "We relied on an internal and optimized version of DeepSpeed that we have since open-sourced (Chiu & Zheng, 2022) to obtain training throughput of up to 154 TFLOPS/GPU on 16 AWS p4d.24xlarge compute instances." Accelerator compute days are reported as 15,360 days - see Table 17 on p.18 of the paper.
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
- Chips utilizados
- 128
- Horas de chip
- 368,640
- Tiempo de reloj
- 2,880 hours (120 days)
- Utilización de hardware
- HFU 49.4%
- Consumo de energía
- 102.6 kW
- Costo de cómputo
- $267,943
- Proveedor de nube
- Amazon Web Services
See p.5 of the paper: "We trained AlexaTM 20B for 120 days on 128 A100 GPUs..."
Training throughput reported at 154 TFLOPs/GPU, vs 312 TFLOPs/GPU for the A100s they use HFU = 154e12 / 312e12 = 0.4935
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
- API access
- Código de entrenamiento
- Unreleased
https://aws.amazon.com/about-aws/whats-new/2022/11/alexatm-20b-model-available-sagemaker-jumpstart/?nc1=h_ls
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
- 90
The Abstract reports SOTA improvement on multiple benchmarks. "provides SOTA performance on multilingual tasks such as XNLI, XCOPA, Paws-X, and XWinograd"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- AlexaTM 20B: Few-Shot Learning Using a Large-Scale Multilingual Seq2Seq Model
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
AlexaTM 20B fue publicado por Amazon, en el país registrado como United States of America, durante August 2022. 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 language modeling, Translation, Question answering.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 2 × 10²³ FLOP, en hardware registrado como NVIDIA A100. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 1,319,000,000,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
AlexaTM 20B — preguntas comunes
AlexaTM 20B— ¿Quién lo creó?
Fue publicado por Amazon, basado en United States of America, una organización categorizada como industry.
AlexaTM 20B— ¿cuándo fue lanzado?
Se publicó en August 2022. 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.
AlexaTM 20B— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de 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.
AlexaTM 20B— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2 × 10²³ FLOP, en hardware registrado como NVIDIA A100. 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.
AlexaTM 20B— ¿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.
AlexaTM 20B— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
AlexaTM 20B— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 19.8B. See Table 1 on p.3 of the paper. 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.