OpenAI · 2020-05 · デンス
GPT-3 175B (paper)
GPT-3 175B (paper) は OpenAI が 2020-05 に公開した マルチヘッド注意（MHA） Transformer です。96 層、隠れ次元 12288、コンテキスト長 2,048 トークン。
原論文に基づく参照アーキテクチャ。重みは非公開です。
層スタック
注意機構 ×96 · 層数 96
主要スペック
| 開発元 | OpenAI |
|---|---|
| 公開日 | 2020-05 |
| 総パラメータ | 175 B |
| コンテキスト | 2,048 tokens |
| 注意機構 | MHA (96:96) |
| 層数 | 96 |
| 隠れ次元 | 12,288 |
| 注意ヘッド | 96 |
| 語彙数 | 50,257 |
| 位置エンコーディング | learned-absolute |
| 正規化 | — |
| 活性化関数 | gelu |
| 学習精度 | — |
| アーキテクチャクラス | gpt3-paper |
アーキテクチャ概要
注意機構
マルチヘッド注意（MHA） — 96 q-heads / 96 kv-heads.
FFN / MoE
デンスモデルであり、全 175B 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。
前世代 GPT-2 との全フィールド比較
| モデル | GPT-3 175B (paper) | GPT-2 | 倍数 |
|---|---|---|---|
| model_type | gpt3-paper | gpt2 | ≠ |
| architectures | — | GPT2LMHeadModel | |
| hidden_size | 12288 | — | |
| num_attention_heads | 96 | — | |
| max_position_embeddings | 2048 | — | |
| layer_norm_epsilon | — | 0.00001 | |
| vocab_size | 50257 | 50257 | ≈1 |
| _note | GPT-3 未开源权重，本表字段取自 arXiv:2005.14165 Table 2.1 (GPT-3 175B/davinci) | — | |
| source | paper:arXiv:2005.14165 | — | |
| num_layers | 96 | — | |
| n_head_kv | 96 | — | |
| activation | gelu | — | |
| positional_encoding | learned:absolute | — | |
| normalization | LayerNorm(pre+post) | — | |
| residual | post-LN style | — | |
| attention | MHA, alternating local(sp=256)/global per layer (GPT-3 paper §2.1) | — |
構造が最も近いモデル
- GPT-2 (OpenAI, 2019-02) 0.744
- Step-3 (StepFun, 2025-07) 0.687
- Step-3.7-Flash (StepFun, 2026-05) 0.613
- Step-3.5-Flash (StepFun, 2026-03) 0.613
- LLaMA 1 7B (Meta, 2023-02) 0.581
- Qwen1.5 7B (Qwen, 2024-02) 0.528
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
14 フィールド
| _note | GPT-3 未开源权重，本表字段取自 arXiv:2005.14165 Table 2.1 (GPT-3 175B/davinci) |
|---|---|
| source | paper:arXiv:2005.14165 |
| model_type | gpt3-paper |
| num_layers | 96 |
| hidden_size | 12288 |
| num_attention_heads | 96 |
| n_head_kv | 96 |
| max_position_embeddings | 2048 |
| vocab_size | 50257 |
| activation | gelu |
| positional_encoding | learned:absolute |
| normalization | LayerNorm(pre+post) |
| residual | post-LN style |
| attention | MHA, alternating local(sp=256)/global per layer (GPT-3 paper §2.1) |