AMIE (Articulate Medical Intelligence Explorer)
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Google DeepMind,Google Research
- Organisatietype
- Industry,Industry
- Land
- United States of America
- Gepubliceerd
- 9 April 2025
- Auteurs
- 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
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Medicine, Language
- Taak
- Medical diagnosis, Language modeling/generation, Question answering, Chat
- Basis model
- PaLM 2
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 340B
- Training gegevens
- tokens
Supposedly same amount of parameters as Palm 2 Large
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 7.3 × 10²⁴ FLOP
- Hoe het werd opgericht
- Comparison with other models
Assuming negligible fine-tune compute base model (Palm 2): 7.34e+24 FLOP
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
- Toegang tot model
- Unreleased
- Training code
- 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…
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarschijnlijk boven de 10²³ FLOP
- Yes
- Record vertrouwen
- Likely
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Towards conversational diagnostic artificial intelligence
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Waar het vandaan kwam
AMIE (Articulate Medical Intelligence Explorer) werd gepubliceerd door Google DeepMind,Google Research, in het land geregistreerd als United States of America, tijdens April 2025. De categorie waaronder de uitgever valt is industry,Industry.
Het werkt in het domein van Medicine, Language, en wordt geregistreerd als het uitvoeren van de taak van medical diagnosis, Language modeling/generation, Question answering, Chat.
Het bouwt voort op PaLM 2. De meeste modellen op deze schaal zijn aangepast van een bestaande basis in plaats van vanuit het niets gebouwd.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Wat erin ging zitten om het te bouwen
De training run verbruikte ongeveer 7.3 × 10²⁴ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Antwoorden
AMIE (Articulate Medical Intelligence Explorer) — veelgestelde vragen
AMIE (Articulate Medical Intelligence Explorer)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
AMIE (Articulate Medical Intelligence Explorer)— hoeveel parameters heeft het?
Het heeft een parameter telling van 340B. Supposedly same amount of parameters as Palm 2 Large. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
AMIE (Articulate Medical Intelligence Explorer)— wie heeft het gemaakt?
Het werd gepubliceerd door Google DeepMind,Google Research, gebaseerd op United States of America, een organisatie geclassificeerd als industry,Industry.
AMIE (Articulate Medical Intelligence Explorer)— wanneer is het uitgebracht?
Het werd gepubliceerd in April 2025.
AMIE (Articulate Medical Intelligence Explorer)— waarvoor wordt het gebruikt?
Het werkt in het domein van Medicine, Language, en wordt geregistreerd als het afhandelen van medical diagnosis, Language modeling/generation, Question answering, Chat. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
AMIE (Articulate Medical Intelligence Explorer)— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 7.3 × 10²⁴ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
AMIE (Articulate Medical Intelligence Explorer)— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.