AMIE (Articulate Medical Intelligence Explorer)
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
- Google DeepMind,Google Research
- Tipo de Organización
- Industry,Industry
- País
- United States of America
- Publicado
- 9 April 2025
- Autores
- Tao Tu, Mike Schaekermann, Anil Palepu, Khaled Saab, Jan Freyberg, Ryutaro Tanno, Amy Wang, Brenna Li, Mohamed Amin, Yong Cheng, Elahe Vedadi, Nenad Tomasev, Shekoofeh Azizi, Karan Singhal, Le Hou, Albert Webson, Kavita Kulkarni, S. Sara Mahdavi, Christopher Semturs, Juraj Gottweis, Joelle Barral, Katherine Chou, Greg S. Corrado, Yossi Matias, Alan Karthikesalingam, Vivek Natarajan
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Medicine, Language
- Tarea
- Medical diagnosis, Language modeling/generation, Question answering, Chat
- Modelo base
- PaLM 2
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.
- parámetros
- 340B
- Datos de entrenamiento
- tokens
Supposedly same amount of parameters as Palm 2 Large
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 7.3 × 10²⁴ FLOP
- Cómo se estableció
- Comparison with other models
Assuming negligible fine-tune compute base model (Palm 2): 7.34e+24 FLOP
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
"AMIE is an LLM-based research AI system for diagnostic dialogue. We are not making the model code and weights open source owing to the safety implications of unmonitored use of such a system in medical settings. In the interest of responsible innovation, we will be working with research partners, regulators and providers to validate and explore safe onward uses of AMIE. For reproducibility, we have documented technical deep learning methods while keeping the paper accessible to a clinical and g…
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Probablemente por encima de 10²³ FLOP
- Yes
- Confianza de registro
- Likely
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Towards conversational diagnostic artificial intelligence
- Última actualización
- 11 February 2026
Qué significan los números
De dónde vino
AMIE (Articulate Medical Intelligence Explorer) fue publicado por Google DeepMind,Google Research, en el país registrado como United States of America, durante April 2025. La categoría en la que se encuentra el editor es industry,Industry.
Funciona en el dominio de Medicine, Language, y se registra como realizando la tarea de medical diagnosis, Language modeling/generation, Question answering, Chat.
Se basa en PaLM 2. 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.
Qué se necesitó para construirlo
El entrenamiento consumió alrededor de 7.3 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Respuestas
AMIE (Articulate Medical Intelligence Explorer) — preguntas comunes
AMIE (Articulate Medical Intelligence Explorer)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
AMIE (Articulate Medical Intelligence Explorer)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 340B. Supposedly same amount of parameters as Palm 2 Large. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
AMIE (Articulate Medical Intelligence Explorer)— ¿Quién lo creó?
Fue publicado por Google DeepMind,Google Research, basado en United States of America, una organización categorizada como industry,Industry.
AMIE (Articulate Medical Intelligence Explorer)— ¿cuándo fue lanzado?
Se publicó en April 2025.
AMIE (Articulate Medical Intelligence Explorer)— ¿Para qué se utiliza?
Funciona en el dominio de Medicine, Language, y se registra como manejando la tarea de medical diagnosis, Language modeling/generation, Question answering, Chat. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
AMIE (Articulate Medical Intelligence Explorer)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 7.3 × 10²⁴ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
AMIE (Articulate Medical Intelligence Explorer)— ¿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.
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.