AlphaCode
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- DeepMind
- Szervezet típusa
- Industry
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Kiadva
- 2 February 2022
- Szerzők
- Yujia Li, David Choi, Junyoung Chung, Nate Kushman, Julian Schrittwieser, Rémi Leblond, Tom Eccles, James Keeling, Felix Gimeno, Agustin Dal Lago, Thomas Hubert, Peter Choy, Cyprien de Masson d'Autume, Igor Babuschkin, Xinyun Chen, Po-Sen Huang, Johannes Welbl, Sven Gowal, Alexey Cherepanov, James Molloy, Daniel J. Mankowitz, Esme Sutherland Robson, Pushmeet Kohli, Nando de Freitas, Koray Kavukcuo…
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Language
- Feladat
- Code generation
- Approach
- Self-supervised learning
- Numerical format
- BF16
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 41.1B
- Képzési adatok
- 967,000,000,000 tokens
- Batch size
- 4,718,592
41.1B. Table 3
Appendix part A has answers for pretraining.
2304 token sequences, 2048 batch size. 2304 * 2048 = 4718592 trained on 967B tokens and 205k steps. 967B/205k = 4717073, so seems they didn't do warmup
Képzés számítás
A modell betanításához végzett aritmetikai műveletek, amelyet lebegőpontos műveletekben mérnek. Ez a tréning futásának költségét méri, nem azt, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 2.4 × 10²³ FLOP
- Hogyan jött létre
- Hardware
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This matches the operation-counting estimate at 44% utilization.
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- Google TPU v4
- Chips used
- 3,750
- Wall-clock time
- 147 hours
- Hardware utilisation
- MFU 43.6%
- Energiafogyasztás
- 2.6 MW
Figure 7 (a) shows that the models were trained for around 23000 TPU-days. We know they trained on TPUv4s, and in appendix D.1 they say they have 3750 TPUv4 and TPUv4i. Assuming they trained only on the 3750 TPUv4s, that suggests 23000 / 3750 = 6.13 days, or 147.2 hours.
Using C=6ND, we have C = 6 FLOP/token/param * 41.1B params * 967B tokens = 2.38e23 FLOP. Figure 7 (a) shows a maximum training compute budget of approx 23000 TPU-days per model. This implies 2.38e23 / (275e12 * 86400 * 23000) = 43.64% MFU = 0.4364
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Foundation model
- Yes
- Valószínűleg 10²³ FLOP felett
- Yes
- Miért követik nyomon
- SOTA improvement
- Rögzítési bizalom
- Confident
- Citations
- 2,162
" To the best of our knowledge, this is the first time that a computer system has been competitive with human participants in programming competitions"
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- Competition-Level Code Generation with AlphaCode
- Utoljára frissítve
- 25 May 2026
Mit jelentek a számok
Where it came from
AlphaCode was published by DeepMind, in United Kingdom of Great Britain and Northern Ireland, in February 2022. It comes out of industry.
It works in Language, and is recorded as doing code generation.
Because the weights are not available, none of the hardware figures elsewhere on this site apply to it.
Hogyan lett betanítva
Producing it required around 2.4 × 10²³ FLOP of arithmetic, on Google TPU v4, which is a statement about the training budget rather than about inference.
The training set ran to roughly 967,000,000,000 tokens.
Its inclusion criterion is sOTA improvement.
Válaszok
AlphaCode — Gyakran ismételt kérdések
What GPU do I need to run AlphaCode?
None. AlphaCode 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.
Is AlphaCode open source?
No. AlphaCode has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AlphaCode have?
AlphaCode has 41.1B parameters. 41.1B. Table 3. 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.
Who created AlphaCode?
AlphaCode was published by DeepMind, based in United Kingdom of Great Britain and Northern Ireland, categorised as industry.
When was AlphaCode released?
AlphaCode was published in February 2022. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is AlphaCode used for?
AlphaCode works in Language, and is recorded as handling code generation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train AlphaCode?
Around 2.4 × 10²³ FLOP, on Google TPU v4. 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.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.