AliceMind-MMU
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Alibaba
- Organisatie type
- Industry
- Land
- China
- Gepubliceerd
- 17 November 2021
- Auteurs
- Ming Yan, Haiyang Xu, Chenliang Li, Junfeng Tian, Bin Bi, Wei Wang, Weihua Chen, Xianzhe Xu, Fan Wang, Zheng Cao, Zhicheng Zhang, Qiyu Zhang, Ji Zhang, Songfang Huang, Fei Huang, Luo Si, Rong Jin
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Taak
- Image Understanding
- Benadering
- Supervised fine-tuning (SFT),Supervised
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Opleidingsgegevens
- 12,649,000 tokens
- Epochs
- 30
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA A100
- Chips used
- 8
- Energieverbruik
- 6.5 kW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Model toegang
- Unreleased
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- Historical significance,SOTA improvement
- Vereiste vertrouwen
- Likely
Was the top of the VQA Challenge Leaderboard for the standard test, scoring 81.26, surpassing both human and previous record-holder.
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Achieving human parity on visual question answering
- Laatst bijgewerkt
- 30 June 2026
Wat de cijfers betekenen
Where it came from
AliceMind-MMU was published by Alibaba, in China, in November 2021. industry is the category the publisher falls under.
and is recorded as doing image Understanding.
De gewichten zijn nooit gepubliceerd, dus het kan alleen worden bereikt via de aanbieder. Geen enkele grafische kaart verandert dat.
Wat erin is gestopt om het te bouwen
It was trained on about 12,649,000 tokens of text.
Its inclusion criterion is historical significance,SOTA improvement.
Antwoorden
AliceMind-MMU — Veelgestelde vragen
Is AliceMind-MMU open source?
No. AliceMind-MMU has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does AliceMind-MMU have?
No parameter count has been published for AliceMind-MMU, which is why no memory or speed figure appears on this page.
Who created AliceMind-MMU?
AliceMind-MMU was published by Alibaba, based in China, categorised as industry.
When was AliceMind-MMU released?
AliceMind-MMU was published in November 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is AliceMind-MMU used for?
and is recorded as handling image Understanding. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run AliceMind-MMU?
None. AliceMind-MMU is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.