GPT-3 175B (davinci)
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
- OpenAI
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 28 May 2020
- Autores
- Tom B. Brown, Benjamin Mann, Nick Ryder, Melanie Subbiah, Jared Kaplan, Prafulla Dhariwal, Arvind Neelakantan, Pranav Shyam, Girish Sastry, Amanda Askell, Sandhini Agarwal, Ariel Herbert-Voss, Gretchen Krueger, Tom Henighan, Rewon Child, Aditya Ramesh, Daniel M. Ziegler, Jeffrey Wu, Clemens Winter, Christopher Hesse, Mark Chen, Eric Sigler, Mateusz Litwin, Scott Gray, Benjamin Chess, Jack Clark, C…
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Text autocompletion, Language modeling/generation
- Enfoque
- Self-supervised learning
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
- 174.6B
- Datos de entrenamiento
- 238,000,000,000 tokens
- Épocas
- 0.6
- Tamaño de lote
- 3,200,000
"we train GPT-3, an autoregressive language model with 175 billion parameters" Rather, it's 174.6 billion. Table D.1: 174,600 million parameters
From table 2.2, we determine that there are 410 + 19 + 12 + 55 + 3 = 499 billion tokens. We multiply this by 0.75 to give 374B words. 3.74e11 ======================== [Anson: I think the calculation below doesn't look at all the data, the CommonCrawl data only constitutes 60% of the data. Multiplying by 5/3 gives 4.75e11] "The CommonCrawl data was downloaded from 41 shards of monthly CommonCrawl covering 2016 to 2019, constituting 45TB of compressed plaintext before filtering and 570GB aft…
3.2M, per table 2.1
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
- 3.1 × 10²³ FLOP
- Cómo se estableció
- Reported
Table D.1 https://arxiv.org/abs/2005.14165
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
- NVIDIA Tesla V100 DGXS 32 GB
- Chips utilizados
- 10,000
- Horas de chip
- 3,552,000
- Tiempo de reloj
- 355 hours (14.8 days)
- Utilización de hardware
- MFU 19.7%
- Consumo de energía
- 5.1 MW
- Costo de cómputo
- $2,116,866
- Proveedor de nube
- Microsoft
14.8 days according to https://arxiv.org/ftp/arxiv/papers/2104/2104.10350.pdf
See table 4 of the carbon emissions paper: https://arxiv.org/pdf/2104.10350 MFU calculation from total compute: (6 FLOP/token/param * 174.6B params * 300B tokens) / (10k V100 * 125 TFLOPS/V100 * 14.8 days) = 0.1966 https://www.wolframalpha.com/input?i=%286*174.6+billion+*+300+billion%29+FLOP+%2F+%281250000+TFLOPS+*+14.8+days%29 HFU calculation from GPU throughput: The paper reports 24.6 TFLOPS throughput per V100, and reports the V100 peak performance of 125 TFLOPS (which is correct if trainin…
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
- API access
- Código de entrenamiento
- Unreleased
https://openai.com/blog/openai-api
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo Frontier
- Yes
- Modelo de Fundación
- Yes
- Probablemente por encima de 10²³ FLOP
- Yes
- Por qué se rastrea
- Highly cited,Training cost
- Confianza de registro
- Confident
- Citas
- 58,240
- Datos de referencia
- GPT-3 175B (davinci)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Language Models are Few-Shot Learners
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
GPT-3 175B (davinci) fue publicado por OpenAI, en el país registrado como United States of America, durante May 2020. 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 text autocompletion, 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.
Entrenamiento y procedencia
Producirlo requirió una aritmética que totaliza alrededor de 3.1 × 10²³ FLOP, en hardware registrado como NVIDIA Tesla V100 DGXS 32 GB. 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 238,000,000,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited,Training cost.
Respuestas
GPT-3 175B (davinci) — preguntas comunes
GPT-3 175B (davinci)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 3.1 × 10²³ FLOP, en hardware registrado como NVIDIA Tesla V100 DGXS 32 GB. 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.
GPT-3 175B (davinci)— ¿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.
GPT-3 175B (davinci)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
GPT-3 175B (davinci)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 174.6B. "we train GPT-3, an autoregressive language model with 175 billion parameters" Rather, it's 174.6 billion. Table D.1: 174,600 million 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.
GPT-3 175B (davinci)— ¿Quién lo creó?
Fue publicado por OpenAI, basado en United States of America, una organización categorizada como industry.
GPT-3 175B (davinci)— ¿cuándo fue lanzado?
Se publicó en May 2020. 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.
GPT-3 175B (davinci)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de text autocompletion, 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.