Multitask Unified Model (MUM)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 18 May 2021
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language, Multimodal, Vision
- Tarea
- Language modeling/generation, Image captioning, Question answering, Visual question answering, Translation, Character recognition (OCR), Search
- Modelo base
- T5-11B
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Unknown
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- MUM: A new AI milestone for understanding information
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
Multitask Unified Model (MUM) fue publicado por Google, en el país registrado como United States of America, durante May 2021. La categoría en la que se encuentra el editor es industry.
Funciona en el dominio de Language, Multimodal, Vision, y se registra como realizando la tarea de language modeling/generation, Image captioning, Question answering, Visual question answering, Translation, Character recognition (OCR), Search.
En lugar de ser entrenado desde cero, se deriva de T5-11B. La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
Multitask Unified Model (MUM) — preguntas comunes
Multitask Unified Model (MUM)— ¿Para qué se utiliza?
Funciona en el dominio de Language, Multimodal, Vision, y se registra como manejando la tarea de language modeling/generation, Image captioning, Question answering, Visual question answering, Translation, Character recognition (OCR), Search. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Multitask Unified Model (MUM)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Multitask Unified Model (MUM)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Multitask Unified Model (MUM)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Multitask Unified Model (MUM)— ¿Quién lo creó?
Fue publicado por Google, basado en United States of America, una organización categorizada como industry.
Multitask Unified Model (MUM)— ¿cuándo fue lanzado?
Se publicó en May 2021. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.