马斯克真不愧是源神，自开源X的推荐算法以及特斯拉智能驾驶算法后，又说到做到，开源旗下大模型Grok！
代码和模型权重已上线GitHub。官方信息显示，此次开源的Grok-1是一个3140亿参数的混合专家模型，远超OpenAI GPT-3.5的1750亿。，就是说，这是当前开源模型中参数量最大的一个，遵照Apache 2.0协议开放模型权重和架构。
消息一出，Grok-1的GitHub仓库已揽获15K标星，并且还在库库猛涨。
GitHub地址：github.com/xai-org/gro...
目前Grok-1的源权重数据大小大约为300GB。
表情包们，第一时间被吃瓜群众们热传了起来。
而ChatGPT本Chat，也现身Grok评论区，开始了和马斯克新一天的斗嘴......
Grok-1介绍
此次开源，xAI发布了Grok-1的基本模型权重和网络架构。
具体来说是2023年10月预训练阶段的原始基础模型，没有针对任何特定应用（例如对话）进行微调。
Grok-1是一个混合专家（Mixture-of-Experts，MOE）大模型，这种MOE架构重点在于提高大模型的训练和推理效率，形象地理解，MOE就像把各个领域的"专家"集合到了一起，遇到任务派发给不同领域的专家，最后汇总结论，提升效率。决定每个专家做什么的是被称为"门控网络"的机制。
在GitHub页面上，官方特别强调了Grok模型的巨大规模（总共314B参数），这意味着运行Grok需要强大的GPU和内存支持。
此外，模型的权重文件以磁力链接的形式提供，文件大小接近300GB，这也是一个相当庞大的数字。
除了参数规模之外，Grok在工程架构上也颇具创新精神------它并没有选择常见的Python、PyTorch或Tensorflow，而是采用了Rust编程语言和新兴的深度学习框架JAX。
除了官方通告外，一些专家通过深入分析代码等方式揭示了更多关于Grok的技术细节。例如，斯坦福大学的Andrew Kean Gao就对Grok的技术细节进行了深入解释。
他指出，Grok采用了旋转的embedding方式，而非传统的固定位置embedding，旋转位置的embedding大小为6144，与输入embedding相同这种创新方法为Grok的性能和效率提供了新的可能性.
当然，还有更多的参数信息：
-
Transformer层数为64，每层都有一个解码器层，包含多头注意力块和密集块；
key value大小为128；多头注意力块中，有48 个头用于查询，8 个用于KV，KV 大小为 128；密集块（密集前馈块）扩展因子为8，隐藏层大小为32768。窗口长度为8192tokens，精度为bf16Tokenizer vocab大小为131072（2^17），与GPT-4接近；embedding大小为6144（48×128）；
除了Gao，还有英伟达AI科学家Ethan He（何宜晖）指出，在专家系统的处理方面，Grok也与另一知名开源MoE模型Mixtral不同，Grok对全部的8个专家都应用了softmax函数，然后从中选择top2专家，而Mixtral则是先选定专家再应用softmax函数。
而至于有没有更多细节，可能要看官方会不会发布进一步的消息了，另外，值得一提的是，Grok-1采用的是Apache 2.0 license，也就是说，支持商用。