AlphaCode

Zárt súlyok DeepMind 41.1B Paraméterek February 2022

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

41.1B. Table 3

Képzési adatok
967,000,000,000 tokens

Appendix part A has answers for pretraining.

Batch size
4,718,592

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

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.

Hogyan jött létre
Hardware

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

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.

Hardware utilisation
MFU 43.6%

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

Energiafogyasztás
2.6 MW

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

" To the best of our knowledge, this is the first time that a computer system has been competitive with human participants in programming competitions"

Rögzítési bizalom
Confident
Citations
2,162

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

01

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.

02

Is AlphaCode open source?

No. AlphaCode has not had its weights published, so it exists only as a service controlled by its owner.

03

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.

04

Who created AlphaCode?

AlphaCode was published by DeepMind, based in United Kingdom of Great Britain and Northern Ireland, categorised as industry.

05

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.

06

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.

07

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.

Forrás

Eredeti közzététel

Utolsó frissítés időpontja 25 May 2026

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.