KN-LM
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Tipo de organización
- Industry
- País
- United States of America
- Publicado
- 22 June 2007
- Autores
- T. Brants, Ashok Popat, P. Xu, F. Och, J. Dean
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
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 21B
- Datos de entrenamiento
- 31,000,000,000 tokens
Table 2
Table 2
Entrenamiento de computación
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 cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 7.7 × 10¹⁷ FLOP
- Cómo se estableció
- Hardware
Trained for 2 days on 400 machines (Table 2) Assuming a Nehalem based processor with 8 FLOP/cycle (https://www.agner.org/optimize/microarchitecture.pdf#page=105.06) , 2 cores and 2.33 GHz clock speed: 8*2*2330000000=37280000000 FLOP/s Compute: 400*37280000000*2*24*60*60*0.3=773038080000000000=7.7e17
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Chips usados
- 400
- Tiempo en tiempo real
- 48 hours
Table 2
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Frontier model
- Yes
- Por qué se rastrea
- Training cost,Highly cited
- Registrar confianza
- Likely
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Large Language Models in Machine Translation
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
KN-LM was published by Google, in United States of America, in June 2007. It comes out of industry.
It works in Language, and is recorded as doing language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Training and provenance
The training run consumed about 7.7 × 10¹⁷ FLOP. That figure describes the cost of creating it and has no bearing on how quickly it generates text.
Around 31,000,000,000 tokens went into training it.
It is tracked in the underlying dataset for one reason in particular: training cost,Highly cited.
Respuestas
KN-LM — Preguntas frecuentes
Who created KN-LM?
KN-LM was published by Google, based in United States of America, categorised as industry.
When was KN-LM released?
KN-LM was published in June 2007. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is KN-LM used for?
KN-LM works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train KN-LM?
Around 7.7 × 10¹⁷ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run KN-LM?
None. KN-LM is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is KN-LM open source?
The licensing for KN-LM was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does KN-LM have?
KN-LM has 21B parameters. Table 2. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.