AlphaZero
Brak szacunków
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu nie zostały opublikowane, dlatego nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny wyłącznie poprzez jego dostawcę, a żadna karta graficzna tego nie zmieni.
Na nagraniu
Pełna specyfikacja
Wszystko, co jest dostępne na temat tego modelu. Większość z tego opisuje, jak został wytrenowany, a nie jak działa — przydatny kontekst do oceny, ile pracy w to włożono i jak wypada na tle modeli zbudowanych na innym poziomie skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- DeepMind
- Typ organizacji
- Industry
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowane
- 5 December 2017
- Autorzy
- David Silver, Thomas Hubert, Julian Schrittwieser, Ioannis Antonoglou, Matthew Lai, Arthur Guez, Marc Lanctot, Laurent Sifre, Dharshan Kumaran, Thore Graepel, Timothy Lillicrap, Karen Simonyan, Demis Hassabis
Co to robi
Obszary problemowe, dla których stworzono model. Model może zawierać kilka z każdej.
- Domena
- Games
- Zadanie
- Chess, Shogi, Go
- Approach
- Self-supervised learning
Rozmiar
Jakiej wielkości jest model i na ile danych był szkolony. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 3,520,000,000 tokens
"We trained a separate instance of AlphaZero for each game. Training proceeded for 700,000 steps"
Obliczenia szkoleniowe
Aritmetyka wykonywana w celu wytrenowania modelu, mierzone w operacjach zmiennoprzecinkowych. Jest to miara kosztu przeprowadzonego treningu, a nie tego, jak szybko gotowy model odpowiada na twoje zapytania.
- Obliczenia szkoleniowe
- 1.1 × 10²⁰ FLOP
- Jak to zostało ustalone
- Third-party estimation
The Go version (there were versions trained individually for three different games) was trained for 34 hours using 5k TPUv1 for data generation 64 TPUv2 for parameter updating I used the PCD chip entries for the lowest precision numerical format we had for each, which was INT8 for TPUv1 and FP16 for TPUv2 Direct training compute: 1.06e20 FLOPs
Trening
Co fizycznie zajęło szkolenie: które chipy, ile ich, na jak długo i ile to pobrało z sieci.
- Sprzęt szkoleniowy
- Google TPU v2,Google TPU v1
- Chips użyte
- 5,064
- Wall-clock time
- 24 hours
- Compute cost
- $229,919
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim własnym sprzęcie, co decyduje, czy jakiekolwiek z danych dotyczących karty graficznej na tej stronie mają zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety stosowane przez źródłowy zbiór danych podczas śledzenia znaczących modeli oraz jak pewny jest w danym wpisie.
- Dlaczego jest śledzone
- Highly cited,Historical significance
- Zaufanie do nagrania
- Likely
- Cytacje
- 2,071
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm
- Ostatnia aktualizacja
- 25 May 2026
Co oznaczają liczby
Czym jest ten model
AlphaZero was published by DeepMind, in United Kingdom of Great Britain and Northern Ireland, in December 2017. The organisation is categorised as industry.
It works in Games, and is recorded as doing chess, Shogi, Go.
To jest model zamknięty: wytrenowane wartości pozostały u tych, którzy je wyprodukowali, i nie ma lokalnej wersji do uruchomienia.
Co poszło w budowę tego
Training it took roughly 1.1 × 10²⁰ FLOP of computation, on Google TPU v2,Google TPU v1 — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 3,520,000,000 tokens of text.
The reason it appears in this catalogue at all is highly cited,Historical significance.
Odpowiedzi
AlphaZero — Często zadawane pytania
How much compute was used to train AlphaZero?
Around 1.1 × 10²⁰ FLOP, on Google TPU v2,Google TPU v1. 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 AlphaZero?
None. AlphaZero 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 AlphaZero open source?
No. AlphaZero has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AlphaZero have?
No parameter count has been published for AlphaZero, which is why no memory or speed figure appears on this page.
Who created AlphaZero?
AlphaZero was published by DeepMind, based in United Kingdom of Great Britain and Northern Ireland, categorised as industry.
When was AlphaZero released?
AlphaZero was published in December 2017. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is AlphaZero used for?
AlphaZero works in Games, and is recorded as handling chess, Shogi, Go. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
W innym kierunku
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, wszystko co będzie ona obsługiwać, Rozpocznij od sprzętu..