DataRater test model (1B)
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
- Google DeepMind
- Organisatietype
- 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 meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
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
- 1B
- Training gegevens
- 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 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
- 1.2 × 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 stopcontact vroeg.
- Training hardware
- Google TPU v6e Trillium
- Gebruikte chips
- 32
- Stroomverbruik
- 23.8 kW
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.
- Record vertrouwen
- Likely
- Citaties
- 12
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- DataRater: Meta-Learned Dataset Curation
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Waar het vandaan kwam
DataRater test model (1B) werd gepubliceerd door Google DeepMind, in het land geregistreerd als United States of America, tijdens May 2025. De publicerende organisatie is geclassificeerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Wat erin ging zitten om het te bouwen
Het produceren ervan vereiste een rekenkundige totaal van ongeveer 1.2 × 10²⁰ FLOP, op hardware vastgelegd als Google TPU v6e Trillium. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
DataRater test model (1B) — veelgestelde vragen
DataRater test model (1B)— hoeveel parameters heeft het?
Het heeft een parameter telling van 1B. "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.". 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.
DataRater test model (1B)— wie heeft het gemaakt?
Het werd gepubliceerd door Google DeepMind, gebaseerd op United States of America, een organisatie geclassificeerd als industry.
DataRater test model (1B)— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2025.
DataRater test model (1B)— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
DataRater test model (1B)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.2 × 10²⁰ FLOP, op hardware vastgelegd als Google TPU v6e Trillium. 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.
DataRater test model (1B)— 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.
DataRater test model (1B)— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
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.