LaMDA
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
- Tipo de organización
- Industry
- País
- United States of America
- Publicado
- 10 February 2022
- Autores
- Romal Thoppilan, Daniel De Freitas, Jamie Hall, Noam Shazeer, Apoorv Kulshreshtha, Heng-Tze Cheng, Alicia Jin, Taylor Bos, Leslie Baker, Yu Du, YaGuang Li, Hongrae Lee, Huaixiu Steven Zheng, Amin Ghafouri, Marcelo Menegali, Yanping Huang, Maxim Krikun, Dmitry Lepikhin, James Qin, Dehao Chen, Yuanzhong Xu, Zhifeng Chen, Adam Roberts, Maarten Bosma, Yanqi Zhou, Chung-Ching Chang, Igor Krivokon, Will…
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
- Enfoque
- Self-supervised learning
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
- 137B
- Datos de entrenamiento
- 2,080,000,000,000 tokens
- Batch size
- 256,000
"LaMDA is a family of Transformer-based neural language models specialized for dialog, which have up to 137B parameters"
"and are pre-trained on 1.56T words of public dialog data and web text"
"All models were trained with 256K tokens per batch"
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
- 3.6 × 10²³ FLOP
- Cómo se estableció
- Hardware
"The total FLOPS is 56.5% * 123 TFLOPS/s * 1024 chips * 57.7 days = 3.55E+23" From https://arxiv.org/pdf/2201.08239.pdf p.18
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Hardware de entrenamiento
- Google TPU v3
- Chips usados
- 1,024
- Horas de chip
- 1,418,240
- Tiempo en tiempo real
- 1,385 hours (57.7 days)
- Hardware utilisation
- HFU 56.5%
- Consumo de energía
- 927.2 kW
- Costo de computación
- $229,950
57.7 days * 24
"We used the Lingvo framework [94] for training and achieved 123 TFLOPS/sec with 56.5% FLOPS utilization" HFU = 0.5650
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
- Historical significance
- Registrar confianza
- Confident
- Citas
- 1,863
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- LaMDA: Language Models for Dialog Applications
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
LaMDA was published by Google, in United States of America, in February 2022. It comes out of industry.
It works in Language, and is recorded as doing language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Cómo fue entrenado
Producing it required around 3.6 × 10²³ FLOP of arithmetic, on Google TPU v3, which is a statement about the training budget rather than about inference.
It was trained on about 2,080,000,000,000 tokens of text.
The reason it appears in this catalogue at all is historical significance.
Respuestas
LaMDA — Preguntas frecuentes
How many parameters does LaMDA have?
LaMDA has 137B parameters. "LaMDA is a family of Transformer-based neural language models specialized for dialog, which have up to 137B 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 LaMDA?
LaMDA was published by Google, based in United States of America, categorised as industry.
When was LaMDA released?
LaMDA was published in February 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 LaMDA used for?
LaMDA works in Language, and is recorded as handling language modeling. 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 LaMDA?
Around 3.6 × 10²³ FLOP, on Google TPU v3. 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 LaMDA?
None. LaMDA 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.
Is LaMDA open source?
No. LaMDA has not had its weights published, so it exists only as a service controlled by its owner.
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.