paraméter

angolul: parameter

alapelterjedt

A paraméter egy szám az AI-modell belsejében, amelyet a modell a tanulás során állít be; ezek milliárdjai együtt hordozzák a tudását.

Érthetően

Képzelj el egy hatalmas keverőpultot több milliárd apró tekerőgombbal. Minden gomb egy paraméter, vagyis egyetlen szám. Az, hogy a gombok éppen hogyan állnak, eldönti, mit válaszol a modell a kérdésedre.

Ezeket a gombokat nem ember tekergeti. A modell a tanítás során rengeteg példát lát, és minden hiba után egy picit igazít a gombokon, amíg a válaszai egyre jobbak nem lesznek. A kész modell „tudása” tehát nem mondatokban vagy szabályokban van eltárolva, hanem ebben a rengeteg beállított számban.

A paraméterek számát szokták a modell méreteként emlegetni: a „7 milliárd paraméteres” modell kicsinek, a több százmilliárdos nagynak számít. A több paraméter általában nagyobb tudást, de több számítási igényt és magasabb költséget is jelent.

Hogyan működik

A modell egy mesterséges neurális háló: rétegekbe rendezett, egymással összekötött apró számolóegységek. Minden kapcsolathoz tartozik egy szám, a súly, amely megmondja, mennyire számít az adott kapcsolat. A legtöbb egységhez tartozik egy eltolás nevű szám is. A súlyok és az eltolások együtt alkotják a paramétereket.
A tanítás elején a paraméterek véletlenszerű számok, ezért a modell ekkor még összevissza válaszol.
A tanítás során a modell példákat kap, megtippeli a választ, a program pedig megméri, mekkorát tévedett.
Egy matematikai eljárás kiszámolja, melyik paramétert merre és mennyivel érdemes elmozdítani, hogy a hiba csökkenjen. Ez a lépés a tanítás során rengetegszer, nagy modelleknél akár százezrekszer vagy milliószor ismétlődik.
A tanítás végén a paramétereket rögzítik. Amikor kérdezel a modelltől, ezek már nem változnak: a modell csak számol velük, hogy előállítsa a választ.

Példa a mindennapokból

Olvasol egy hírt arról, hogy megjelent egy új, „8 milliárd paraméteres” nyelvi modell, amely egy laptopon is elfut. Ez a szám azt jelzi, hogy a modell viszonylag kicsi: gyorsabb és olcsóbb, de várhatóan kevesebbet tud, mint a felhőben futó, sok százmilliárd paraméteres társai.

Kit érint

mindenkiA hírekben a paraméterszám a modellek méretének leggyakoribb mérőszáma, ezért érdemes tudnod, mit jelent és mit nem.

vállalkozó, vezetőA paraméterszám erősen befolyásolja, mennyibe kerül egy modell futtatása, és hogy elfér-e a saját gépeiden vagy csak felhőből érhető el.

fejlesztőA modell kiválasztásakor a paraméterszámból becsülheted a memóriaigényt, a sebességet és azt, hogy egy agent mögé elég erős-e. → Kód

szülő, diák, tanárSegít megérteni, hogy az AI nem lexikonból olvas fel, hanem betanult számok alapján állítja elő a választ, ezért tévedhet is. → Oktatás és család

Gyakori félreértés

TévhitMinél több paramétere van egy modellnek, annál okosabb.

ValójábanA paraméterszám csak a méretet mutatja. A minőség legalább annyira függ a tanítóadatoktól, a tanítás módjától és a modell felépítésétől, így egy újabb, kisebb modell gyakran jobb egy régebbi, nagyobbnál.

Korlátok és kockázatok

A paraméterszámból önmagában nem derül ki, mire jó egy modell: ehhez teszteredményeket és saját próbát érdemes nézned.
A paraméterek nem olvashatók el, mint egy szöveg: a kutatók is csak részben értik, melyik szám miért felel, ezért nehéz megmagyarázni egy-egy választ.
A nagy cégek sokszor nem közlik a modelljeik paraméterszámát, így a sajtóban keringő számok egy része becslés.
A modell tudása a tanítás végén „befagy” a paraméterekbe, ezért a későbbi eseményekről külön keresés vagy frissítés nélkül nem tud.

Hasonló, de nem ugyanaz

hiperparaméter – A hiperparamétert a fejlesztő állítja be a tanítás előtt (például a tanulás sebességét), a paramétert viszont a modell maga tanulja meg.
token – A token a szöveg egy darabja, amelyet a modell olvas vagy ír, a paraméter pedig a modell belső, betanult száma.
beállítás (például hőmérséklet) – A használat közben megadható beállításokat is hívják néha paraméternek, de ezek csak a válaszadás módját hangolják, a modell betanult tudását nem változtatják meg.

Kapcsolódó fogalmak

Tágabb

mesterséges intelligencia, gépi tanulás, neurális háló

Szűkebb

súly, eltolás

Rokon

tanítás, hiperparaméter, nagy nyelvi modell, finomhangolás, token

Röviden a története

A szó a matematikából és a statisztikából került a gépi tanulásba. A tanulás során állítható súlyok ötlete már Frank Rosenblatt 1958-as perceptronjában megjelent. A paraméterszám 2020-ban, a 175 milliárd paraméteres GPT-3 megjelenésével vált a hírek visszatérő mérőszámává.

Hol tart most

2026 végén a paraméterszám a modellek méretének megszokott mérőszáma. A telefonon is futó modellek legfeljebb néhány milliárd paraméterrel dolgoznak, a legnagyobbaknak viszont több százmilliárd, sőt ezermilliárd feletti paraméterük is lehet. Sok nagy modell úgynevezett szakértőkeverék (mixture of experts) felépítésű. Az ilyen modell egy-egy válaszlépésnél paramétereinek csak egy kis részét használja, ezért a teljes és a ténylegesen használt paraméterszám jelentősen eltérhet. A figyelem közben egyre inkább a tényleges teljesítményre és a költségre terelődik, a nagy cégek pedig gyakran nem is közlik a számot.

Állapot: 2026. november

A hírekben

7 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

A Mistral Large 4 a legjobb nyílt modell Kínán kívül, a súlyok nyilvánosak2026. okt. 29. · Agent Age
A Meta kiadta a Muse Spark Open nyílt súlyú, 816 milliárd paraméteres modellt és a Muse Wondert2026. okt. 12. · Agent Age
A JetBrains kiadta a Mellum2.1-et, a 12 milliárd paraméteres nyílt MoE kódolómodellt2026. okt. 8. · Kód
A Mistral bemutatta az 1 billió paraméteres Large 4 modellt2026. okt. 6. · Agent Age
Magyar tanács webshopoknak: a termékszöveg szerkezetén múlik, mit mond az AI a termékről2026. okt. 2. · Marketing
Kínai Qwen-keresőt vettek le az amerikai Federal Registerről; új Qwen-képmodell jelent meg2026. szept. 17. · Agent Age
A JetBrains nyílt 12B-s kódmodellt adott ki, és repository-intelligencia réteget indított2026. aug. 3. · Kód

Más nevei

paraméter · paraméterek · paraméterszám · modellparaméter · súlyok · parameter · model parameters · weights

Források

Brown et al. (2020): Language Models are Few-Shot Learners (a GPT-3 tanulmánya)

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.