B2T connection (16L)
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo están abiertos, pero no se ha publicado ninguna cantidad de parámetros para él. Cada cifra de memoria y velocidad comienza desde ese número, por lo que preferiríamos no mostrar nada en lugar de una estimación fabricada.
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
- LINE Corporation,Tohoku University
- Tipo de organización
- Industry,Academia
- País
- Japan
- Publicado
- 1 June 2022
- Autores
- Sho Takase, Shun Kiyono, Sosuke Kobayashi, Jun Suzuki
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
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.
- Datos de entrenamiento
- 103,000,000 tokens
- Épocas
- 95
"We used WikiText-103 (Merity et al., 2017), which consists of a large number of tokens. The training, validation, and test sets contain 103M, 0.2M, and 0.2M tokens, respectively" Table 6 updates: 50K tokens/GPU: 1024 GPUs (Table 7): 192 50000*1024*192/103000000 = 95 epochs
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
- 2.8 × 10¹⁹ FLOP
- Cómo se estableció
- Hardware,Operation counting
192*7 GPU (P100) hours per Table 6 19 TFLOP/s 19 trillion * 192 * 7 * 3600 * 0.3 = 2.76e19 6 FLOP / parameter / token * 247000000 parameters [not sure how it was estimated] * 50000 steps * 1024 tokens / GPU * 192 GPUs = 1.4568653e+19 FLOP
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 P100
- Chips usados
- 192
- Tiempo en tiempo real
- 7 hours
- Consumo de energía
- 96.3 kW
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
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Código de entrenamiento
- Open source
code and weights, MIT: https://github.com/takase/b2t_connection?tab=readme-ov-file
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
- Citas
- 18
- Benchmark data
- B2T connection (16L)
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- On Layer Normalizations and Residual Connections in Transformers
- Última actualización
- 25 May 2026
Qué significan los números
Background
B2T connection (16L) was published by LINE Corporation,Tohoku University, in Japan, in June 2022. industry,Academia is the category the publisher falls under.
Funciona en Idioma, y se registra como haciendo modelado/generación de lenguaje, respuesta a preguntas.
Los pesos están publicados, así que se pueden descargar y ejecutar en tu propio hardware indefinidamente, fuera de línea, sin ninguna cuenta asociada.
Training and provenance
The training run consumed about 2.8 × 10¹⁹ FLOP, on NVIDIA P100. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
It was trained on about 103,000,000 tokens of text.
Respuestas
B2T connection (16L) — Preguntas frecuentes
Where can I download B2T connection (16L)?
The weights for B2T connection (16L) are published, though we do not hold a repository link for it. This site calculates hardware requirements rather than hosting model files.
How much compute was used to train B2T connection (16L)?
Around 2.8 × 10¹⁹ FLOP, on NVIDIA P100. 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 B2T connection (16L)?
We cannot say. B2T connection (16L) has open weights, but no parameter count has been published for it, and every memory and speed calculation starts from that number. We would rather show nothing than a fabricated estimate.
Is B2T connection (16L) open source?
Its weights are published, so B2T connection (16L) can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does B2T connection (16L) have?
No parameter count has been published for B2T connection (16L), which is why no memory or speed figure appears on this page.
Who created B2T connection (16L)?
B2T connection (16L) was published by LINE Corporation,Tohoku University, based in Japan, categorised as industry,Academia.
When was B2T connection (16L) released?
B2T connection (16L) was published in June 2022. 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 B2T connection (16L) used for?
B2T connection (16L) works in Language, and is recorded as handling language modeling/generation, Question answering. 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.
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.