AlexaTM 20B
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
- Amazon
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 2 August 2022
- Autori
- Saleh Soltan, Shankar Ananthakrishnan, Jack FitzGerald, Rahul Gupta, Wael Hamza, Haidar Khan, Charith Peris, Stephen Rawls, Andy Rosenbaum, Anna Rumshisky, Chandana Satya Prakash, Mukund Sridhar, Fabian Triefenbach, Apurv Verma, Gokhan Tur, Prem Natarajan
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Translation, Question answering
- Formato numerico
- BF16
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
- 19.8B
- Dati di addestramento
- 1,319,000,000,000 tokens
- Dimensione del Batch
- 2,000,000
See Table 1 on p.3 of the paper
See Table 2 on p.3 of the paper. 119B Wikipedia tokens + 1.2T mC4 tokens = 1319000000000 tokens
"We trained AlexaTM 20B for 120 days on 128 A100 GPUs for the total of 500k updates with the accumulated batch size of 2 million 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 × 10²³ FLOP
- Come è stato stabilito
- Hardware
Training throughput is reported as 154 TFLOP/s - see p.5 of the paper. "We relied on an internal and optimized version of DeepSpeed that we have since open-sourced (Chiu & Zheng, 2022) to obtain training throughput of up to 154 TFLOPS/GPU on 16 AWS p4d.24xlarge compute instances." Accelerator compute days are reported as 15,360 days - see Table 17 on p.18 of the paper.
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
- Chip utilizzati
- 128
- Chip-ore
- 368,640
- Tempo di parete
- 2,880 hours (120 days)
- Utilizzo dell'hardware
- HFU 49.4%
- Consumo energetico
- 102.6 kW
- Costo di calcolo
- $267,943
- Fornitore di cloud
- Amazon Web Services
See p.5 of the paper: "We trained AlexaTM 20B for 120 days on 128 A100 GPUs..."
Training throughput reported at 154 TFLOPs/GPU, vs 312 TFLOPs/GPU for the A100s they use HFU = 154e12 / 312e12 = 0.4935
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- API access
- Codice di addestramento
- Unreleased
https://aws.amazon.com/about-aws/whats-new/2022/11/alexatm-20b-model-available-sagemaker-jumpstart/?nc1=h_ls
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Probabilmente sopra 10²³ FLOP
- Yes
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 90
The Abstract reports SOTA improvement on multiple benchmarks. "provides SOTA performance on multilingual tasks such as XNLI, XCOPA, Paws-X, and XWinograd"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- AlexaTM 20B: Few-Shot Learning Using a Large-Scale Multilingual Seq2Seq Model
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
AlexaTM 20B è stato pubblicato da Amazon, nel paese registrato come United States of America, durante August 2022. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Translation, Question answering.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Come è stato addestrato
La produzione di esso ha richiesto un'aritmetica totale di circa 2 × 10²³ FLOP, su hardware registrato come NVIDIA A100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 1,319,000,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
AlexaTM 20B — domande comuni
AlexaTM 20B— chi l'ha creato?
È stato pubblicato da Amazon, basato su United States of America, un'organizzazione categorizzata come industry.
AlexaTM 20B— quando è stato rilasciato?
È stato pubblicato in August 2022. 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.
AlexaTM 20B— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Translation, Question answering. 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.
AlexaTM 20B— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2 × 10²³ FLOP, su hardware registrato come NVIDIA A100. 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.
AlexaTM 20B— 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.
AlexaTM 20B— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
AlexaTM 20B— quanti parametri ha?
Ha un numero di parametri di 19.8B. See Table 1 on p.3 of the paper. 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.
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.