AlphaCode
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
- DeepMind
- Tipo de Organización
- Industry
- País
- United Kingdom of Great Britain and Northern Ireland
- Publicado
- 2 February 2022
- Autores
- Yujia Li, David Choi, Junyoung Chung, Nate Kushman, Julian Schrittwieser, Rémi Leblond, Tom Eccles, James Keeling, Felix Gimeno, Agustin Dal Lago, Thomas Hubert, Peter Choy, Cyprien de Masson d'Autume, Igor Babuschkin, Xinyun Chen, Po-Sen Huang, Johannes Welbl, Sven Gowal, Alexey Cherepanov, James Molloy, Daniel J. Mankowitz, Esme Sutherland Robson, Pushmeet Kohli, Nando de Freitas, Koray Kavukcuo…
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
- Enfoque
- Self-supervised learning
- 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
- 41.1B
- Datos de entrenamiento
- 967,000,000,000 tokens
- Tamaño de lote
- 4,718,592
41.1B. Table 3
Appendix part A has answers for pretraining.
2304 token sequences, 2048 batch size. 2304 * 2048 = 4718592 trained on 967B tokens and 205k steps. 967B/205k = 4717073, so seems they didn't do warmup
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
- 2.4 × 10²³ FLOP
- Cómo se estableció
- Hardware
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This matches the operation-counting estimate at 44% utilization.
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
- Google TPU v4
- Chips utilizados
- 3,750
- Tiempo de reloj
- 147 hours
- Utilización de hardware
- MFU 43.6%
- Consumo de energía
- 2.6 MW
Figure 7 (a) shows that the models were trained for around 23000 TPU-days. We know they trained on TPUv4s, and in appendix D.1 they say they have 3750 TPUv4 and TPUv4i. Assuming they trained only on the 3750 TPUv4s, that suggests 23000 / 3750 = 6.13 days, or 147.2 hours.
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This implies 2.38e23 / (275e12 * 86400 * 23000) = 43.64% MFU = 0.4364
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.
- Modelo de Fundación
- Yes
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 2,162
" To the best of our knowledge, this is the first time that a computer system has been competitive with human participants in programming competitions"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Competition-Level Code Generation with AlphaCode
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
AlphaCode fue publicado por DeepMind, en el país registrado como United Kingdom of Great Britain and Northern Ireland, durante February 2022. Sale de una organización categorizada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de code generation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Producirlo requirió una aritmética que totaliza alrededor de 2.4 × 10²³ FLOP, en hardware registrado como Google TPU v4. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 967,000,000,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
AlphaCode — preguntas comunes
AlphaCode— ¿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.
AlphaCode— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
AlphaCode— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 41.1B. 41.1B. Table 3. 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.
AlphaCode— ¿Quién lo creó?
Fue publicado por DeepMind, basado en United Kingdom of Great Britain and Northern Ireland, una organización categorizada como industry.
AlphaCode— ¿cuándo fue lanzado?
Se publicó en February 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.
AlphaCode— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de code generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
AlphaCode— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.4 × 10²³ FLOP, en hardware registrado como Google TPU v4. 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.
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.