大模型开发者必备手册：这些数字值得记住

文章基于真实的开发经验，介绍了提示工程、硬件资源、价格等方面的数据。

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

(资料图)

GPT-4的使用成本，竟然是GPT-3.5的50倍之多；

而让大语言模型同时处理25个请求的时间，仅是处理单个请求的2倍……

这些数据听上去可能有些出乎意料，但都是真实的。

它们出自一篇名为《大语言模型（LLM）开发者必须知道的数字》的GitHub文章。

文章发布之后仅1天，便获得了1200次星标。

文章基于真实的开发经验，介绍了提示工程、硬件资源、价格等方面的数据。

就算没有成为开发者的打算，拿来扩充一下知识储备也是极好的。

都有哪些数字值得关注

我们不妨先来看一下文章作者制作的速览图表：

接下来，我们就来详细介绍一下这些数据。

提示工程

40-90%：在提示词中加入“Be Concise”节约的成本

使用LLM是按照回复的token数量付费的，因此让LLM的回答简明扼要可以节约成本。

在提示词中加入“Be Concise”（答案简明些），可以节约40-90%的成本。

1.3：每个单词的平均token数

LLM是对token进行操作的，token可能包含完整单词或其中的一部分。

如“eating”是由“eat”和后缀“ing”两个token组成。

一篇750词的英文文章中大约含有1000个token。

而对于其他语言，每个词所含的token数量可能更多。

价格

价格数据会存在波动，本节的价格数据主要参考OpenAI，但其他公司数据也相似。

约50倍：GPT-4与GPT-3.5花费的比值

效果上，GPT-4的表现明显好于GPT-3.5，但其成本约为后者的50倍之多。

因此，对于诸如总结这类GPT-3.5也能出色完成的任务，可以考虑不使用更昂贵的GPT-4。

5倍：GPT-3.5-Turbo生成与使用OpenAI embedding的成本比

诸如“美国的首都是哪里”这类可以通过检索得到答案的问题，让LLM生成答案的成本是检索的5倍。

而如果使用GPT-4，成本差异将高达250倍。

10倍：OpenAI embedding与自建embedding的成本比

这一数字为大约数值，实际情况可能随着embedding的规模而变化。

6倍：微调版与基本版OpenAI模型的成本比值

尽管成本较为昂贵，但对基本OpenAI模型的微调是有意义的。

对基本模型进行微调的效益明显高于定制模型。

1倍：自建模型是否进行微调的成本比

由于参数量相同，是否进行微调对自建模型的成本几乎没有影响。

训练与微调

约100万美元：在1.4万亿token上训练130亿参数模型的成本

这一数字是建立在一切工作都十分顺利、没有发生崩溃的前提下计算出的。

Meta的大语言模型LLaMA的论文当中显示，用2048块80GB A100 GPU进行训练LLaMA一共花费了21天。

<0.001：微调与从头开始训练的成本比

这一数据有一些笼统，但微调的成本几乎可以忽略不计。

对一个60亿参数模型进行微调的成本大约是7美元。

即使是最贵的OpenAI模型Davinci，1000个token的微调成本也只有3美分。

相对于对一部莎士比亚全集进行微调也只需要40美元。

GPU消耗

如果你要自建模型，了解其GPU消耗十分重要。

本节所列数据仅是推理过程所消耗的资源量，训练和微调过程还需要更多资源。

V100: 16GB, A10G: 24GB, A100: 40/80GB：GPU内存大小

GPU内存大小决定了LLM的参数量上限。

24GB的A10G在亚马逊云服务中的价格为1.5-2美元每小时。

参数量的2倍：LLM的典型GPU内存需求

例如，7B参数量的LLM需要消耗14GB的GPU内存。

这是因为大多数时候，每个参数需要16bit浮点空间。

通常情况下不需要使用超过16bit的精度，8bit则会显著降低结果精准度。

约1GB：嵌入式模型的典型GPU内存需求

嵌入式模型消耗的本地GPU资源是很小的。

甚至可以在一块GPU上同时运行多个嵌入式模型。

超过10倍：批量处理LLM请求带来的吞吐量改善

在GPU上运行LLM时往往会有较大延迟。

一次请求消耗的时间可能长达5秒，相对于每秒仅能处理0.2个。

但如果同时发送两个请求，消耗的时间约为5.2秒。

而将25个请求捆绑发出的耗时约为10秒，相对于每秒可处理2.5个请求。

约1MB：130亿参数模型输出1个token所需的GPU内存

内存消耗量与生成token数成正比。

512个token（约380个英文单词）需要消耗512MB的空间。

作者简介

这篇文章的作者来自开源人工智能框架Ray的开发公司Anyscale。

主要贡献者是Google前首席工程师Waleed Kadous。

他也曾担任Uber CTO办公室工程战略负责人。

其中一位华人合作者是Google前员工Huaiwei Sun。

他来自江苏昆山，本科毕业于上海交通大学工业设计专业。

期间，他参加了耶鲁大学summer school并取得了满绩。

此后他取得了佐治亚理工学院硕士学位，研究方向为人机交互。

此外还有其他作者也参与了这篇文章的工作，未来也可能有更多人加入。

参考链接：[1]https://github.com/ray-project/llm-numbers[2]https://www.linkedin.com/in/scottsun94/

标签：