WeLM
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- WeChat AI
- Type d'organisation
- Industry
- Pays
- China
- Publié
- 16 May 2023
- Auteurs
- Hui Su, Xiao Zhou, Houjin Yu, Xiaoyu Shen, Yuwen Chen, Zilin Zhu, Yang Yu, Jie Zhou
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Translation
- Approche
- Unsupervised
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 10B
- Données d'entraînement
- 262,000,000,000 tokens
"WeLM is trained with 10B parameters”
from the paper "After all the above filtering process, our corpus contains 262B tokens”
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 2.5 × 10²² FLOP
- Comment cela a été établi
- Hardware
"The largest model is trained on 128 A100-SXM4-40GB GPUs in about 24 days”, "All models are trained with FP16 mixed precision." 3.12e14 * 128 * 24 * 24 * 3600 * 0.3 = 2.48e22 (FLOP/GPU-s) * (GPU) * (days) * (h/day) * (sec/h) * (utilization assumption)
L'exécution de formation
Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.
- Matériel d'entraînement
- NVIDIA A100 SXM4 40 GB
- Chips utilisés
- 128
- Heures de puce
- 73,728
- Temps en temps réel
- 576 hours (24 days)
- Consommation d'énergie
- 102.0 kW
"The largest model is trained on 128 A100-SXM4-40GB GPUs in about 24 days”,
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 25
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- WeLM: A Well-Read Pre-trained Language Model for Chinese
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
D'où cela vient-il
WeLM a été publié par WeChat AI, dans le pays enregistré comme China, durant May 2023. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Translation.
C'est un modèle fermé : les valeurs entraînées sont restées avec ceux qui les ont produites, et il n'y a pas de version locale à exécuter.
Entraînement et provenance
L'entraînement a consommé environ 2.5 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 40 GB. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 262,000,000,000 jetons de texte
Réponses
WeLM — questions courantes
WeLM— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Translation. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
WeLM— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 2.5 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100 SXM4 40 GB. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
WeLM— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
WeLM— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
WeLM— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 10B. "WeLM is trained with 10B parameters”. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
WeLM— qui l'a créé ?
Il a été publié par WeChat AI, basé sur China, une organisation catégorisée comme industry.
WeLM— quand a-t-il été publié ?
Il a été publié dans May 2023. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.