Turing ULRv5
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
- Microsoft
- Type d'organisation
- Industry
- Pays
- United States of America
- Publié
- 28 September 2021
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, Question answering, Translation
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
- 2.2B
- Données d'entraînement
- tokens
2.2B
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
- 2.9 × 10²² FLOP
- Comment cela a été établi
- Hardware
312000000000000 FLOP / GPU / sec [A100] * 256 GPUs * 336 hours * 3600 sec / hour * 0.3 [assumed utilization] = 2.8983951e+22 FLOP
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
- Chips utilisés
- 256
- Temps en temps réel
- 336 hours (14 days)
- Consommation d'énergie
- 206.7 kW
"two weeks on 256 NVIDIA A100 GPUs"
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Hosted access (no API)
- Code d'entraînement
- Unreleased
"Microsoft Turing models are also available for custom application building through our private preview program" "If you are a researcher who would like to work with us in assessing and improving Turing models, Microsoft Turing Academic Program (MS-TAP) allows you to submit a proposal and get access to these models in greater detail."
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.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Microsoft Turing Universal Language Representation model, T-ULRv5, tops XTREME leaderboard and trains 100x faster
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
À propos de ce modèle
Turing ULRv5 a été publié par Microsoft, dans le pays enregistré comme United States of America, durant September 2021. L'organisation de publication est catégorisée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, 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.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a consommé environ 2.9 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Son critère d'inclusion : sOTA improvement.
Réponses
Turing ULRv5 — questions courantes
Turing ULRv5— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 2.9 × 10²² FLOP, sur matériel enregistré comme NVIDIA A100. 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.
Turing ULRv5— 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.
Turing ULRv5— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
Turing ULRv5— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 2.2B. 2.2B. 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.
Turing ULRv5— qui l'a créé ?
Il a été publié par Microsoft, basé sur United States of America, une organisation catégorisée comme industry.
Turing ULRv5— quand a-t-il été publié ?
Il a été publié dans September 2021. 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.
Turing ULRv5— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, 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.
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.