AI模型海量使用數據
ChatGPT（OpenAI）：
來源：網絡上的書籍、網站和新聞文章等來源的大量文本數據，收集截至2021年9月。
容量：ChatGPT包含1750億參數，其升級版GPT4包含1.8萬億參數。
Gemini（谷歌）
來源：互聯網的文本、圖像、音頻、視頻等數據，包括YouTube 94億分鐘內容。
容量：訓練參數達萬億，約達到GPT4的兩倍。
Grok（X）
來源：截至2023年第三季度的互聯網數據和xAI的訓練人員所提供的數據。
容量：Grok-1參數達3140億，是目前參數最大的開源模型。
Claude 2
來源：截至2023年8月的互聯網數據。
容量：訓練數據為40萬億，Claude2的參數數量超過1300億。
Llama 3（Meta）
來源：截至2023年12月的互聯網數據。
容量：15萬億。
文心一言（百度）
來源：自於公開的互聯網數據，包括新聞、論壇、博客等。
容量：萬億網頁數據、數十億搜索圖片數據、百億級語音數據等。
大公報整理
