AlphaStar
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
- DeepMind
- Type d'organisation
- Industry
- Pays
- United Kingdom of Great Britain and Northern Ireland
- Publié
- 30 October 2019
- Auteurs
- Oriol Vinyals,Igor Babuschkin,Wojciech M. Czarnecki,Michaël Mathieu,Andrew Dudzik,Junyoung Chung,David H. Choi,Richard Powell,Timo Ewalds,Petko Georgiev,Junhyuk Oh,Dan Horgan,Manuel Kroiss,Ivo Danihelka,Aja Huang,Laurent Sifre,Trevor Cai,John P. Agapiou,Max Jaderberg,Alexander S. Vezhnevets,Rémi Leblond,Tobias Pohlen,Valentin Dalibard,David Budden,Yury Sulsky,James Molloy,Tom L. Paine,Caglar Gulce…
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Games
- Tâche
- StarCraft
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
- 139M
- Données d'entraînement
- tokens
AlphaStar has 139 million weights, but only 55 million weights are required during inference.
Multiple data types. First supervised learning, then other stuff
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
- 1.1 × 10²³ FLOP
- Comment cela a été établi
- Hardware
(Estimate by James Sanders, checked by Robi Rahman) Fig 6 indicates that the learner uses 16 TPU "devices" which are 128 TPU cores total, which matches 4 TPUs per device, and 2 cores per TPU. Fig 6 indicates that 64 TPUs are used for training, and 64 are used for inference. (128 TPUs)*(12 agents)*(44 days)*(123 TFLOPS)*(0.3 utilization) = 2.15e23 FLOP (total), of which 1.07e23 FLOP are for training.
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
- Google TPU v3
- Chips utilisés
- 384
- Heures de puce
- 405,504
- Temps en temps réel
- 1,056 hours (44 days)
- Consommation d'énergie
- 354.2 kW
- Coût de calcul
- $130,654
"Each agent was trained using 32 third-generation tensor processing units (TPUs) over 44 days"
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
- Unreleased
- Code d'entraînement
- Open source
Apache 2.0, training tools: https://github.com/google-deepmind/alphastar training instructions here: https://github.com/google-deepmind/alphastar/blob/main/alphastar/unplugged/README.md
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.
- Modèle Frontier
- Yes
- Pourquoi c'est suivi
- Discretionary
- Confiance d'enregistrement
- Confident
- Citations
- 4,093
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Grandmaster level in StarCraft II using multi-agent reinforcement learning
- Dernière mise à jour
- 1 January 2026
Ce que les chiffres signifient
Contexte
AlphaStar a été publié par DeepMind, dans le pays enregistré comme United Kingdom of Great Britain and Northern Ireland, durant October 2019. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Games, et est enregistré comme exécutant la tâche de starCraft.
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.
Comment il a été entraîné
L'entraînement a consommé environ 1.1 × 10²³ FLOP, sur matériel enregistré comme Google TPU v3. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Son critère d'inclusion : discretionary.
Réponses
AlphaStar — questions courantes
AlphaStar— à quoi ça sert ?
Il fonctionne dans le domaine de Games, et est enregistré comme gérant la tâche de starCraft. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
AlphaStar— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.1 × 10²³ FLOP, sur matériel enregistré comme Google TPU v3. 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.
AlphaStar— 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.
AlphaStar— 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.
AlphaStar— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 139M. AlphaStar has 139 million weights, but only 55 million weights are required during inference. 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.
AlphaStar— qui l'a créé ?
Il a été publié par DeepMind, basé sur United Kingdom of Great Britain and Northern Ireland, une organisation catégorisée comme industry.
AlphaStar— quand a-t-il été publié ?
Il a été publié dans October 2019. 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.