WeLM
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
- WeChat AI
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 16 May 2023
- Autori
- Hui Su, Xiao Zhou, Houjin Yu, Xiaoyu Shen, Yuwen Chen, Zilin Zhu, Yang Yu, Jie Zhou
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, Translation
- Approccio
- Unsupervised
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
- 10B
- Dati di addestramento
- 262,000,000,000 tokens
"WeLM is trained with 10B parameters”
from the paper "After all the above filtering process, our corpus contains 262B 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
- 2.5 × 10²² FLOP
- Come è stato stabilito
- Hardware
"The largest model is trained on 128 A100-SXM4-40GB GPUs in about 24 days”, "All models are trained with FP16 mixed precision." 3.12e14 * 128 * 24 * 24 * 3600 * 0.3 = 2.48e22 (FLOP/GPU-s) * (GPU) * (days) * (h/day) * (sec/h) * (utilization assumption)
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100 SXM4 40 GB
- Chip utilizzati
- 128
- Chip-ore
- 73,728
- Tempo di parete
- 576 hours (24 days)
- Consumo energetico
- 102.0 kW
"The largest model is trained on 128 A100-SXM4-40GB GPUs in about 24 days”,
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 25
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- WeLM: A Well-Read Pre-trained Language Model for Chinese
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
WeLM è stato pubblicato da WeChat AI, nel paese registrato come China, durante May 2023. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Translation.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
Il run di addestramento ha consumato circa 2.5 × 10²² FLOP, su hardware registrato come NVIDIA A100 SXM4 40 GB. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 262,000,000,000 token di testo
Risposte
WeLM — domande comuni
WeLM— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Translation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
WeLM— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.5 × 10²² FLOP, su hardware registrato come NVIDIA A100 SXM4 40 GB. 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.
WeLM— 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.
WeLM— 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.
WeLM— quanti parametri ha?
Ha un numero di parametri di 10B. "WeLM is trained with 10B parameters”. 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.
WeLM— chi l'ha creato?
È stato pubblicato da WeChat AI, basato su China, un'organizzazione categorizzata come industry.
WeLM— quando è stato rilasciato?
È stato pubblicato in May 2023. 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.
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.