ALLaM adapted13B
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Saudi Data and Artificial Intelligence Authority
- Organisatietype
- Industry,Government
- Land
- Saudi Arabia
- Gepubliceerd
- 21 May 2024
- Auteurs
- Saudi Data and Artificial Intelligence Authority
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Translation, Question answering
- Basis model
- LLaMA-13B
- Numerieke indeling
- BF16
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 13B
- Training gegevens
- 5,200,000,000,000 tokens
- Epochs
- 1
3,431,217,579(4.3B) total documents, with a total of 4,587,781,981,546(4.5T) words, and 5.2T tokens.
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 1.7 × 10²³ FLOP
Finetuning compute: 6*13000000000*1200000000000=9.36e+22 Llama 13B training FLOP: 7.8e+22 Total: 1.716e+23
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- API access
- Training code
- Unreleased
on IBM watsonx platform https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/fm-models.html?context=wx
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarschijnlijk boven de 10²³ FLOP
- Yes
- Record vertrouwen
- Confident
- Citaties
- 69
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- ALLaM: Large Language Models for Arabic and English
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Over dit model
ALLaM adapted13B werd gepubliceerd door Saudi Data and Artificial Intelligence Authority, in het land geregistreerd als Saudi Arabia, tijdens May 2024. Het komt uit een organisatie gecategoriseerd als industry,Government.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Translation, Question answering.
Het startpunt was een bestaand basismodel, LLaMA-13B. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 1.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A100. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 5,200,000,000,000 tekstokens
Antwoorden
ALLaM adapted13B — veelgestelde vragen
ALLaM adapted13B— hoeveel parameters heeft het?
Het heeft een parameter telling van 13B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
ALLaM adapted13B— wie heeft het gemaakt?
Het werd gepubliceerd door Saudi Data and Artificial Intelligence Authority, gebaseerd op Saudi Arabia, een organisatie geclassificeerd als industry,Government.
ALLaM adapted13B— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
ALLaM adapted13B— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Translation, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
ALLaM adapted13B— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.7 × 10²³ FLOP, op hardware vastgelegd als NVIDIA A100. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
ALLaM adapted13B— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
ALLaM adapted13B— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.