DISTRO
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Nous Research
- Szervezet típusa
- Industry
- Ország
- United States of America
- Közölt
- 26 August 2024
- Szerzők
- Bowen Peng, Jeffrey Quesnelle, Dillon Rolnick, Ari Lotter, Umer H. Adil, Esteban La Rocca
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation, Chat, Question answering
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 1.2B
- Képzési adatok
- 100,000,000,000 tokens
1.2B
Total Steps 25000 Sequence Length 2048 Batch Size 2048 (4M tokens) Total Tokens 104.8576B
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 7.1 × 10²⁰ FLOP
- Hogyan jött létre
- Operation counting,Hardware
6 FLOP / parameter / token * 1.2*10^9 parameters * 104857600000 tokens = 7.5497472e+20 FLOP 989500000000000 FLOP / GPU / sec [bf16 assumed] *19.8 hours * 3600 sec / hour * 32 GPUs * 0.3 [assumed utilization] = 6.7710298e+20 FLOP sqrt(6.7710298e+20*7.5497472e+20) = 7.1497946e+20
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- NVIDIA H100 SXM5 80GB
- Használt chipek
- 32
- Fali óra idő
- 20 hours
- Teljesítményfogyasztás
- 44.2 kW
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- A PRELIMINARY REPORT ON DISTRO
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Mit jelent ez a modell
DISTRO ki lett adva által Nous Research, az országban rögzítve mint United States of America, alatt August 2024. A kiadó kategóriája alá tartozik industry.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Chat, Question answering.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Hogyan lett betanítva
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 7.1 × 10²⁰ FLOP, hardveren rögzítve NVIDIA H100 SXM5 80GB. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
Körülbelül egy korpuszon lett betanítva 100,000,000,000 szöveg tokenjei
Válaszok
DISTRO — gyakori kérdések
DISTRO— Ki készítette ezt?
Kiadta Nous Research, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry.
DISTRO— Mikor adták ki?
Kibocsátották a August 2024. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
DISTRO— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Chat, Question answering. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
DISTRO— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 7.1 × 10²⁰ FLOP, hardveren rögzítve NVIDIA H100 SXM5 80GB. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
DISTRO— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
DISTRO— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
DISTRO— Hány paramétere van?
Paraméterszáma 1.2B. 1.2B. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..