不知道大家有没有注意到现在大模型百花齐放，但是模型参数大小却非常一致，基本都是7B，13B，65B等。那么，为什么被设计成这么大呢？
网络上有很多解释，笔者结合自己的理解，分享其中可能的原因。
最直接的就是历史传承，因为最初OpenAI在 gpt-3 就是这么干的，然后，Meta借鉴了OpenAI的做法，推出了llama的7B，13B，33B，65B四个尺寸。由于llama在开源领域的地位，其他模型厂商都基本遵守了这样的约定，形成了当下的局面。
适配推理设备。特别是对于一些参数量小的模型是为了适配不同级别的GPU显存，常见的显寸大小从4G到80G不等，我们知道显存占用的公式：
模型空间大小 = 参数量 *参数精度
ully，公众号：AI工程化一文探秘LLM应用开发(11)-模型部署与推理(模型大小与推理性能的关系)
这使得能够很方便地在单卡上部署推理，降低使用的门槛。以chatGLM2-6B为例，它有62亿参数，权重参数文件采用BF16精度存储，实际显存占用大概为12.5GB，一个英伟达T4显卡（16GB）就能跑起来。
模型结构上的设计。从模型结构上看，当前大模型都是采用的transfomer模型的decoder-only结构 （未遮盖部分）。 其参数量受到隐藏层维度，层数，注意力头数等影响，而这些参数取值既参考GPT-3，也是结合。 下面是llama和gpt系列模型的参数量统计：
| 实际参数量P |
| 隐藏层维度d_model
| 层数N
| 注意力头数h
| 估算参数量
| | 6.7B
| 4096
| 32
| 32
| 6590300160
| | 13.0B
| 5120
| 40
| 40
| 12730761216
| | 32.5B
| 6656
| 60
| 52
| 32045531136
| | 65.2B
| 8192
| 80
| 64
| 64572358656
|
llama
gpt-3
性能、成本与训练时间的综合平衡。根据 一文探秘LLM应用开发(12)-模型部署与推理(大模型相关参数计算及性能分析) ，模型训练时间可以估算：6TP/(nXu)，其中X是计算显卡的峰值FLOPS，n为卡的数量，u为利用率。以LLaMA-65B为例，在2048张80GB显存的A100上，在1.4TB tokens的数据上训练了65B参数量的模型。80GB显存A100的峰值性能为624TFLOPS，设GPU利用率为0.3，则所需要的训练时间为：
后台回复“进群”入群讨论。