OpenAI · 2019-02 · デンス
GPT-2
GPT-2 は OpenAI が 2019-02 に公開した マルチヘッド注意（MHA） Transformer です。12 層、隠れ次元 768、コンテキスト長 1,024 トークン。
層スタック
注意機構 ×12 · 層数 12
主要スペック
| 開発元 | OpenAI |
|---|---|
| 公開日 | 2019-02 |
| 総パラメータ | 1.24 B |
| コンテキスト | 1,024 tokens |
| 注意機構 | MHA (12:12) |
| 層数 | 12 |
| 隠れ次元 | 768 |
| 注意ヘッド | 12 |
| 語彙数 | 50,257 |
| 位置エンコーディング | learned-absolute |
| 正規化 | LayerNorm |
| 活性化関数 | — |
| 学習精度 | bf16 |
| アーキテクチャクラス | GPT2LMHeadModel |
アーキテクチャ概要
注意機構
マルチヘッド注意（MHA） — 12 q-heads / 12 kv-heads.
FFN / MoE
デンスモデルであり、全 1.24B のパラメータがすべてのトークンの計算に参加します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
最相似 GPT-3 175B (paper) との全フィールド比較
| モデル | GPT-2 | GPT-3 175B (paper) | 倍数 |
|---|---|---|---|
| model_type | gpt2 | gpt3-paper | ≠ |
| architectures | GPT2LMHeadModel | — | |
| hidden_size | — | 12288 | |
| num_attention_heads | — | 96 | |
| max_position_embeddings | — | 2048 | |
| layer_norm_epsilon | 0.00001 | — | |
| vocab_size | 50257 | 50257 | ≈1 |
| activation_function | gelu_new | — | |
| attn_pdrop | 0.1 | — | |
| bos_token_id | 50256 | — | |
| embd_pdrop | 0.1 | — | |
| eos_token_id | 50256 | — | |
| initializer_range | 0.02 | — | |
| n_ctx | 1024 | — | |
| n_embd | 768 | — | |
| n_head | 12 | — | |
| n_layer | 12 | — | |
| n_positions | 1024 | — | |
| resid_pdrop | 0.1 | — | |
| summary_first_dropout | 0.1 | — | |
| summary_proj_to_labels | true | — | |
| summary_type | cls_index | — | |
| summary_use_proj | true | — |
構造が最も近いモデル
- GPT-3 175B (paper) (OpenAI, 2020-05) 0.744
- LLaMA 1 7B (Meta, 2023-02) 0.629
- Step-3 (StepFun, 2025-07) 0.604
- Step-3.5-Flash (StepFun, 2026-03) 0.602
- Step-3.7-Flash (StepFun, 2026-05) 0.602
- Qwen1.5 7B (Qwen, 2024-02) 0.580
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
20 フィールド
| activation_function | gelu_new |
|---|---|
| architectures | GPT2LMHeadModel |
| attn_pdrop | 0.1 |
| bos_token_id | 50256 |
| embd_pdrop | 0.1 |
| eos_token_id | 50256 |
| initializer_range | 0.02 |
| layer_norm_epsilon | 0.00001 |
| model_type | gpt2 |
| n_ctx | 1024 |
| n_embd | 768 |
| n_head | 12 |
| n_layer | 12 |
| n_positions | 1024 |
| resid_pdrop | 0.1 |
| summary_first_dropout | 0.1 |
| summary_proj_to_labels | true |
| summary_type | cls_index |
| summary_use_proj | true |
| vocab_size | 50257 |