Primer (GPT-3 XL-like 1.9B)
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
- Google Brain
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 24 January 2022
- Autores
- DavidR.So, WojciechMan ́ke, HanxiaoLiu, ZihangDai, NoamShazeer, QuocV.Le
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
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
- 1.9B
- Datos de entrenamiento
- 2,000,000,000,000 tokens
- Tamaño de lote
- 2,000,000
"For instance, in a 1.9B parameter configuration similar to GPT-3 XL, Primer uses 1/3 of the training compute to achieve the same one-shot performance as Transformer"
"Each model is trained using batches of ∼2M tokens using 512 TPUv4 chips for ∼140 hours (∼71.8K total accelerator hours or ∼1M train steps). " 2 * 10^6 * 10^6 = 2*10^12 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
- 2.2 × 10²² FLOP
- Cómo se estableció
- Hardware,Operation counting
"Each model is trained using batches of ∼2M tokens using 512 TPUv4 chips for ∼140 hours (∼71.8K total accelerator hours or ∼1M train steps)." 71800 h * 0.3 [assumed utilization] * 275e12 FLOP/s * 3600s/h = 2.13246e+22 FLOP 6 FLOP / parameter / token * 1.9 * 10^9 parameters * 2 * 10^12 tokens = 2.28e+22 FLOP sqrt(2.13246e+22*2.28e+22) = 2.2049963e+22 FLOP
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
- 512
- Tiempo de reloj
- 140 hours
- Consumo de energía
- 350.4 kW
"Each model is trained using batches of ∼2M tokens using 512 TPUv4 chips for ∼140 hours (∼71.8K total accelerator hours or ∼1M train steps)."
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
Apache 2.0 We open source our models and several comparisons in T5 to help with reproducibility.: https://github.com/google-research/google-research/tree/master/primer seems like no model weights here
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 209
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Primer: Searching for Efficient Transformers for Language Modeling
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
Primer (GPT-3 XL-like 1.9B) fue publicado por Google Brain, en el país registrado como United States of America, durante January 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/generation.
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.
Qué se necesitó para construirlo
Producirlo requirió una aritmética que totaliza alrededor de 2.2 × 10²² 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 2,000,000,000,000 tokens de texto
Respuestas
Primer (GPT-3 XL-like 1.9B) — preguntas comunes
Primer (GPT-3 XL-like 1.9B)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 2.2 × 10²² 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.
Primer (GPT-3 XL-like 1.9B)— ¿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.
Primer (GPT-3 XL-like 1.9B)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Primer (GPT-3 XL-like 1.9B)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1.9B. "For instance, in a 1.9B parameter configuration similar to GPT-3 XL, Primer uses 1/3 of the training compute to achieve the same one-shot performance as Transformer". 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.
Primer (GPT-3 XL-like 1.9B)— ¿Quién lo creó?
Fue publicado por Google Brain, basado en United States of America, una organización categorizada como industry.
Primer (GPT-3 XL-like 1.9B)— ¿cuándo fue lanzado?
Se publicó en January 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.
Primer (GPT-3 XL-like 1.9B)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
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.