BitNet b1.58
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Chinese Academy of Sciences,Microsoft Research
- Tipo di organizzazione
- Academia,Industry
- Paese
- China, United States of America
- Pubblicato
- 27 February 2024
- Autori
- Shuming Ma, Hongyu Wang, Lingxiao Ma, Lei Wang, Wenhui Wang, Shaohan Huang, Li Dong, Ruiping Wang, Jilong Xue, Furu Wei
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation, Question answering
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 70B
- Dati di addestramento
- 100,000,000,000 tokens
"we pre-trained the models on the RedPajama dataset [Com23] for 100 billion tokens."
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 2.9 × 10²² FLOP
- Come è stato stabilito
- Operation counting,Comparison with other models
6ND = 6*70*10^9*100*10^9 = 42000000000000000000000 (4.2e+22) Figure 3 suggests it 41.2 times more energy efficient than LLAMA 70B (which is estimated 8.1e+23 FLOPS -> 1.9660194e+22 FLOPs geometric mean -> 2.8735486e+22
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
BitNet b1.58 è stato pubblicato da University of Chinese Academy of Sciences,Microsoft Research, nel paese registrato come China, durante February 2024. Esce da un'organizzazione categorizzata come academia,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
Il training ha richiesto un budget di calcolo di circa 2.9 × 10²² FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 100,000,000,000 token di testo
Risposte
BitNet b1.58 — domande comuni
BitNet b1.58— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
BitNet b1.58— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
BitNet b1.58— quanti parametri ha?
Ha un numero di parametri di 70B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
BitNet b1.58— chi l'ha creato?
È stato pubblicato da University of Chinese Academy of Sciences,Microsoft Research, basato su China, un'organizzazione categorizzata come academia,Industry.
BitNet b1.58— quando è stato rilasciato?
È stato pubblicato in February 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
BitNet b1.58— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
BitNet b1.58— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.9 × 10²² FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.