GPT-4.5

Poids fermés OpenAI February 2025

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
OpenAI
Type d'organisation
Industry
Pays
United States of America
Publié
27 February 2025
Auteurs
Foundational contributors Alex Paino, Ali Kamali, Amin Tootoonchian, Andrew Tulloch, Ben Sokolowsky, Clemens Winter, Colin Wei, Daniel Kappler, Daniel Levy, Felipe Petroski Such, Geoff Salmon, Ian O’Connell, Jason Teplitz, Kai Chen, Nik Tezak, Prafulla Dhariwal, Rapha Gontijo Lopes, Sam Schoenholz, Youlong Cheng, Yujia Jin, Yunxing Dai Research Core contributors Aiden Low, Alec Radford, Alex Car…

Ce qu'il fait

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

Domaine
Language, Vision, Multimodal
Tâche
Language modeling/generation, Question answering, Quantitative reasoning, Translation, Visual question answering, Code generation, Instruction interpretation

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.

Données d'entraînement
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
3.8 × 10²⁶ FLOP

Analysis of GPT-4.5's training cluster yields a median estimate of 187M H100-hours of training. The utilization assumptions we used for the Grok 3 estimate (maybe worth revisiting) were 20 to 40% under the H100 FP8 spec of 2000 teraflop/s. This leads to an estimate of 2.7e26 to 5.4e26 FLOP, or a geomean of 3.8e26 Alternatively, using a plausible range of 20 to 50% utilization, given the possibility of FP8 training, yields a median estimate of ~2e25 FLOP. See notebook below for details. https:/…

Comment cela a été établi
Benchmarks

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.

Temps en temps réel
3,000 hours (125 days)

Likely trained for around 4 months/120 days https://colab.research.google.com/drive/1QBmVPm64Ti0xucN0EsZTgSz_I7Mj9hAZ#scrollTo=NYH1ABJuLJlw

Coût de calcul
$366,010,628
Fournisseur de cloud
Azure AI
Centre de données
Microsoft Goodyear Arizona

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
API access
Code d'entraînement
Unreleased

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

Described by OpenAI as a "new order of magnitude of compute" https://openai.com/index/introducing-gpt-4-5/

Confiance d'enregistrement
Likely

Sources

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

Référence
Introducing GPT-4.5
Dernière mise à jour
8 June 2026

Ce que les chiffres signifient

Ce que ce modèle est

GPT-4.5 a été publié par OpenAI, dans le pays enregistré comme United States of America, durant February 2025. La catégorie à laquelle appartient l'éditeur est industry.

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, Quantitative reasoning, Translation, Visual question answering, Code generation, Instruction interpretation.

Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.

Qu'est-ce qui a été nécessaire pour le construire

L'entraînement a nécessité un budget de calcul d'environ 3.8 × 10²⁶ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

Il est suivi dans le ensemble de données sous-jacent pour une raison particulière : training cost.

Réponses

GPT-4.5 — questions courantes

01

GPT-4.5— 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.

02

GPT-4.5— 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.

03

GPT-4.5— combien de paramètres cela a-t-il ?

Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.

04

GPT-4.5— qui l'a créé ?

Il a été publié par OpenAI, basé sur United States of America, une organisation catégorisée comme industry.

05

GPT-4.5— quand a-t-il été publié ?

Il a été publié dans February 2025.

06

GPT-4.5— à quoi ça sert ?

Il fonctionne dans le domaine de Language, Vision, Multimodal, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Quantitative reasoning, Translation, Visual question answering, Code generation, Instruction interpretation. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.

07

GPT-4.5— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 3.8 × 10²⁶ FLOP. 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.

Source

Publication originale

Dernière mise à jour enregistrée 8 June 2026

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.