DataRater test model (1B)
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Google DeepMind
- Organisatie type
- Industry
- Land
- United States of America
- Gepubliceerd
- 23 May 2025
- Auteurs
- Dan A. Calian, Gregory Farquhar, Iurii Kemaev, Luisa M. Zintgraf, Matteo Hessel, Jeremy Shar, Junhyuk Oh, András György, Tom Schaul, Jeffrey Dean, Hado van Hasselt, David Silver
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 1B
- Opleidingsgegevens
- tokens
"A baseline 1B model is trained on the unfiltered dataset, while a second 1B model is trained analogously on the same dataset, but filtered by a DataRater."
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 1.2 × 10²⁰ FLOP
c = 6nd where n = 1B, d = 20B c = 6 * 1B * 20B = 1.2e20 FLOPs "All inner language models and DataRater models are based on the Chinchilla [Hoffmann et al., 2022] transformer architectures [Vaswani et al., 2017]." "Meta-training a DataRater requires approximately 58.4% of the FLOPS needed to train a single 1B LLM."
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- Google TPU v6e Trillium
- Chips used
- 32
- Energieverbruik
- 23.8 kW
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Likely
- Citaties
- 12
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- DataRater: Meta-Learned Dataset Curation
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Where it came from
DataRater test model (1B) was published by Google DeepMind, in United States of America, in May 2025. The organisation is categorised as industry.
Het werkt in Taal, en wordt geregistreerd als het uitvoeren van taalmodellering.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Wat erin is gestopt om het te bouwen
Producing it required around 1.2 × 10²⁰ FLOP of arithmetic, on Google TPU v6e Trillium, which is a statement about the training budget rather than about inference.
Antwoorden
DataRater test model (1B) — Veelgestelde vragen
How many parameters does DataRater test model (1B) have?
DataRater test model (1B) has 1B parameters. "A baseline 1B model is trained on the unfiltered dataset, while a second 1B model is trained analogously on the same dataset, but filtered by a DataRater.". 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.
Who created DataRater test model (1B)?
DataRater test model (1B) was published by Google DeepMind, based in United States of America, categorised as industry.
When was DataRater test model (1B) released?
DataRater test model (1B) was published in May 2025.
What is DataRater test model (1B) used for?
DataRater test model (1B) works in Language, and is recorded as handling language modeling. These are the areas it was designed around; they describe intent rather than a hard boundary.
How much compute was used to train DataRater test model (1B)?
Around 1.2 × 10²⁰ FLOP, on Google TPU v6e Trillium. 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.
What GPU do I need to run DataRater test model (1B)?
None. DataRater test model (1B) 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.
Is DataRater test model (1B) open source?
The licensing for DataRater test model (1B) was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.