OpenAI Five
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
- 13 December 2019
- Autores
- Christopher Berner, Greg Brockman, Brooke Chan, Vicki Cheung, Przemysław Dębiak, Christy Dennison, David Farhi, Quirin Fischer, Shariq Hashme, Chris Hesse, Rafal Józefowicz, Scott Gray, Catherine Olsson, Jakub Pachocki, Michael Petrov, Henrique P. d.O. Pinto, Jonathan Raiman, Tim Salimans, Jeremy Schlatter, Jonas Schneider, Szymon Sidor, Ilya Sutskever, Jie Tang, Filip Wolski, Susan Zhang
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Games
- Tarea
- Dota 2
- 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
- 159M
- Datos de entrenamiento
- 454,164,480,000 tokens
"We define a policy (π) as a function from the history of observations to a probability distribution over actions, which we parameterize as a recurrent neural network with approximately 159 million parameters (θ)." pg. 3 of paper source: https://docs.google.com/spreadsheets/d/1Kj4Q5WADcDXtUJLIOfGTCE3tGvxNczEMwyy8QtgSkHk/edit#gid=54587040&fvid=1361937389
"Although the Dota 2 engine runs at 30 frames per second, OpenAI Five only acts on every 4th frame which we call a timestep" --> 7.5 timesteps/s "OpenAI Five is a single training run that ran from June 30th, 2018 to April 22nd, 2019. " --> 296 days 296 * 24*3600 * 7.5 = 1.92e8 This number seems a little low? The DQN paper had 1e7 timesteps. Might be to do with sample efficiency? EDIT 14/06/2022 Multiple copies of OpenAI Five were trained in parallel, so the total training time is much higher…
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
- 6.7 × 10²² FLOP
- Cómo se estableció
- Reported
"770±50 PFlops/s·days of compute" for the model that played against world champions. They did a single training run that took 10 months. While the model was playing against world champions, they continued training for a few days, so that the resulting model used even more training compute: 820±50 PFlops/s·days. Finally, they also trained a Rerun model with 150±5 PFlops/s·days of compute. Source: Dota 2 with Large Scale Deep Reinforcement Learning https://arxiv.org/abs/1912.06680 You cannot m…
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 P100
- Chips utilizados
- 1,536
- Horas de chip
- 10,911,744
- Tiempo de reloj
- 7,104 hours (296 days)
- Consumo de energía
- 786.4 kW
- Costo de cómputo
- $4,328,311
"OpenAI Five is a single training run that ran from June 30th, 2018 to April 22nd, 2019. " --> 296 days
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 Frontier
- Yes
- Por qué se rastrea
- Highly cited,SOTA improvement
- Confianza de registro
- Confident
- Citas
- 2,137
no standard benchmark results "On April 13th, 2019, OpenAI Five became the first AI system to defeat the world champions at an esports game." " it defeated the Dota 2 world champions in a best-of-three match and 99.4% of human players during a multi-day online showcase." "we ran OpenAI Five Arena, in which we opened OpenAI Five to the public for competitive online games from April 18-21, 2019. In total, Five played 3,193 teams in 7,257 total games, winning 99.4%"
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Dota 2 with Large Scale Deep Reinforcement Learning
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
OpenAI Five fue publicado por OpenAI, en el país registrado como United States of America, durante December 2019. La organización editora está clasificada como industry.
Funciona en el dominio de Games, y se registra como realizando la tarea de dota 2.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 6.7 × 10²² FLOP, en hardware registrado como NVIDIA P100. 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 454,164,480,000 tokens de texto
Se rastrea en el conjunto de datos subyacente por una razón en particular: highly cited,SOTA improvement.
Respuestas
OpenAI Five — preguntas comunes
OpenAI Five— ¿Quién lo creó?
Fue publicado por OpenAI, basado en United States of America, una organización categorizada como industry.
OpenAI Five— ¿cuándo fue lanzado?
Se publicó en December 2019. 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.
OpenAI Five— ¿Para qué se utiliza?
Funciona en el dominio de Games, y se registra como manejando la tarea de dota 2. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
OpenAI Five— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6.7 × 10²² FLOP, en hardware registrado como NVIDIA P100. 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.
OpenAI Five— ¿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.
OpenAI Five— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
OpenAI Five— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 159M. "We define a policy (π) as a function from the history of observations to a probability distribution over actions, which we parameterize as a recurrent neural network with approximately 159 million parameters (θ)." pg. 3 of paper source: https://docs.google.com/spreadsheets/d/1Kj4Q5WADcDXtUJLIOfGTCE3tGvxNczEMwyy8QtgSkHk/edit#gid=54587040&fvid=1361937389. 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.
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.