Jurassic-1-Jumbo

Poids fermés AI21 Labs 178B Paramètres August 2021

Aucune estimation

Aucun besoin matériel pour ce modèle

Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.

Enregistrement terminé

Spécification complète

Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.

Origine

Qui a construit ce modèle, où et quand il a été publié.

Organisation
AI21 Labs
Type d'organisation
Industry
Pays
Israel
Publié
11 August 2021
Auteurs
Opher Lieber, Or Sharir, Barak Lenz, Yoav Shoham

Ce qu'il fait

Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.

Domaine
Language
Tâche
Language modeling/generation, Chat
Approach
Self-supervised learning

Taille

Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.

Paramètres
178B

"Jurassic-1 models come in two sizes, where the Jumbo version, at 178B parameters, is the largest and most sophisticated language model ever released for general use by developers."

Données d'entraînement
300,000,000,000 tokens

"Our model was trained with the conventional self-supervised auto-regressive training objective on 300B tokens drawn from publicly available resources" 1 token ~ 0.75 words

Batch size
3,200,000

"Namely, we used a base learning rate of 1.2 × 10−4 and 0.6 × 10−4 , and a batch size of 2M and 3.2M tokens, for J1-Large and J1-Jumbo, respectively. We also used a linear warm-up over roughly the first 375 million tokens, and gradually increased the batch size from 32K tokens up to its target value for the first few billion tokens."

Calcul de formation

L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations à virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, et non de la rapidité avec laquelle le modèle fini vous répond.

Calcul de formation
3.7 × 10²³ FLOP

see here https://docs.google.com/document/d/1B8x6XYcmB1u6Tmq3VcbAtj5bzhDaj2TcIPyK6Wpupx4/edit 6 * 178B * 300B = 3.204000e+23

Comment cela a été établi
Third-party estimation

L'entraînement

Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.

Matériel d'entraînement
NVIDIA A100
Compute cost
$836,700

Disponibilité

Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.

Poids
Closed — provider access only
Accès au modèle
API access
Code d'entraînement
Unreleased

Comment il est classé

Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.

Frontier model
Yes
Probablement au-dessus de 10²³ FLOP
Yes
Pourquoi c'est suivi
Training cost

"Training such a large model, on over 800 GPUs over many months" Lower-bound cost estimate: 800 GPUs * $1/GPU-hour * 4 months = $2.3M True cost was probably substantially higher. "many months" implies more than 4, and the GPUs were probably more expensive than $1/hour.

Confiance d'enregistrement
Confident
Citations
55

Sources

D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence
Jurassic-1: Technical Details and Evaluation
Dernière mise à jour
28 November 2025

Ce que signifient les chiffres

Ce que ce modèle est

Jurassic-1-Jumbo was published by AI21 Labs, in Israel, in August 2021. industry is the category the publisher falls under.

It works in Language, and is recorded as doing language modeling/generation, Chat.

Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.

Ce qui a contribué à sa construction

Producing it required around 3.7 × 10²³ FLOP of arithmetic, on NVIDIA A100, which is a statement about the training budget rather than about inference.

It was trained on about 300,000,000,000 tokens of text.

It is tracked in the underlying dataset for one reason in particular: training cost.

Réponses

Jurassic-1-Jumbo — Questions fréquentes

01

How much compute was used to train Jurassic-1-Jumbo?

Around 3.7 × 10²³ FLOP, on NVIDIA A100. 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.

02

What GPU do I need to run Jurassic-1-Jumbo?

None. Jurassic-1-Jumbo 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.

03

Is Jurassic-1-Jumbo open source?

No. Jurassic-1-Jumbo has not had its weights published, so it exists only as a service controlled by its owner.

04

How many parameters does Jurassic-1-Jumbo have?

Jurassic-1-Jumbo has 178B parameters. "Jurassic-1 models come in two sizes, where the Jumbo version, at 178B parameters, is the largest and most sophisticated language model ever released for general use by developers.". 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.

05

Who created Jurassic-1-Jumbo?

Jurassic-1-Jumbo was published by AI21 Labs, based in Israel, categorised as industry.

06

When was Jurassic-1-Jumbo released?

Jurassic-1-Jumbo was published in August 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.

07

What is Jurassic-1-Jumbo used for?

Jurassic-1-Jumbo works in Language, and is recorded as handling language modeling/generation, Chat. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.

Source

Publication originale

Dernière mise à jour de l'enregistrement 28 November 2025

Dans l'autre sens

Regardez-la de l'autre côté ?

Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.