CPM-2
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
- Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI
- Tipo de Organización
- Academia,Academia
- País
- China
- Publicado
- 24 June 2021
- Autores
- Zhengyan Zhang, Yuxian Gu, Xu Han, Shengqi Chen, Chaojun Xiao, Zhenbo Sun, Yuan Yao, Fanchao Qi, Jian Guan, Pei Ke, Yanzheng Cai, Guoyang Zeng, Zhixing Tan, Zhiyuan Liu, Minlie Huang, Wentao Han, Yang Liu, Xiaoyan Zhu, Maosong Sun
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 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
- 11B
- Datos de entrenamiento
- 69,615,000,000 tokens
"we pretrain two models: an encoder-decoder bilingual model with 11 billion parameters (CPM2) and its corresponding MoE version with 198 billion parameters. "
"We pre-train our model on WuDaoCorpus (Yuan et al., 2021), which contains 2.3TB cleaned Chinese data as well as 300GB cleaned English data." 2300GB * 167M tokens/GB + 300GB * 267M tokens/GB = 464 billion tokens https://docs.google.com/document/d/1G3vvQkn4x_W71MKg0GmHVtzfd9m0y3_Ofcoew0v902Q/edit#heading=h.ieihc08p8dn0
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
- 3.6 × 10²² FLOP
- Cómo se estableció
- Operation counting
epoch count not stated C = 6 FLOP * 11B * 464B =
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
- Likely
- Citas
- 101
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- CPM-2: Large-scale Cost-effective Pre-trained Language Models
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
CPM-2 fue publicado por Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, en el país registrado como China, durante June 2021. La categoría en la que se encuentra el editor es academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language 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
Entrenarlo tomó un presupuesto de computación de aproximadamente 3.6 × 10²² FLOP. 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 69,615,000,000 tokens de texto
Respuestas
CPM-2 — preguntas comunes
CPM-2— ¿cuándo fue lanzado?
Se publicó en June 2021. 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.
CPM-2— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
CPM-2— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.6 × 10²² FLOP. 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.
CPM-2— ¿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.
CPM-2— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
CPM-2— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 11B. "we pretrain two models: an encoder-decoder bilingual model with 11 billion parameters (CPM2) and its corresponding MoE version with 198 billion parameters. ". 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.
CPM-2— ¿Quién lo creó?
Fue publicado por Tsinghua University,Beijing Academy of Artificial Intelligence / BAAI, basado en China, una organización categorizada como academia,Academia.
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.