FLOP là một chỉ báo cho biết tổng số phép tính dấu phẩy động cần thiết cho việc học và suy luận mô hình AI. Nó được sử dụng làm thước đo để so sánh quy mô mô hình và chi phí học tập.
FLOP (Các phép toán dấu phẩy động) là một chỉ báo biểu thị tổng số phép toán dấu phẩy động được thực hiện trong quá trình đào tạo và suy luận mô hình, đồng thời được sử dụng rộng rãi trong ngành như thước đo lượng tính toán. Đây là một khái niệm khác với FLOPS (viết hoa S), cho biết số lượng thao tác mỗi giây và nếu cả hai bị nhầm lẫn thì ước tính sẽ sai lệch đáng kể. Tổng số FLOP trong quá trình đào tạo có thể được tính toán gần đúng từ số lượng tham số và số lượng mã thông báo học tập và được sử dụng làm điểm bắt đầu để so sánh quy mô mô hình và tính toán chi phí tính toán. Tuy nhiên, trong hoạt động thực tế tính đến năm 2026, có một nhược điểm là không thể dự đoán chính xác thời gian học thực tế và chi phí điện năng chỉ dựa vào số lượng FLOP. Điều này là do thời gian và chi phí cần thiết cho cùng một số lượng FLOP rất khác nhau tùy thuộc vào băng thông bộ nhớ và tốc độ sử dụng hiệu quả (MFU) của GPU. Khi chọn một mô hình hoặc GPU đám mây tại hiện trường, việc sử dụng FLOP làm điểm bắt đầu để tính toán là thực tế, sau đó so sánh thông lượng thực tế với đơn giá GPU ở mức giá hợp lý.