UniLM 对比 Gemini AI

UniLM是微软研究院推出的预训练语言模型，能够同时处理自然语言理解和文本生成任务，利用一个共享的Transformer架构。你可以只调优一个checkpoint，用于阅读任务如问答，也适用于写作任务如摘要或对话，而无需维护单独的编码器和解码器模型。这些代码和预训练权重通过microsoft/unilm GitHub仓库以MIT许可协议发布。

BERT风格的模型擅长阅读理解，但在生成方面需要额外的解码器堆叠。UniLM训练一种Transformer模型，配备三种注意力_mask模式：单向、双向和序列到序列。这样的设计让相同的权重在GLUE和SQuAD数据集上与BERT竞争，同时在2019年设定了摘要和问答生成的基准测试——这是许多同期模型未曾打破的分界。

机器学习研究人员和自然语言处理工程师在需要一个代码库中既有理解也有生成任务的公开基准、训练脚本和checkpoint文件时会选择使用UniLM。虽然该仓库还涵盖了后续版本如UniLMv2（伪掩码语言模型，ICML 2020），但v1仍然是NeurIPS 2019论文中描述的原始统一掩码方法的参考版本。

双子座是谷歌旗舰级的多模态人工智能模型系列，由谷歌DeepMind开发，用户可以通过gemini.google.com上的Gemini应用程序进行访问。这些模型能够在一次对话中处理文本、图像、音频和视频，消费者应用将Gemini定位为一个用于写作、规划、头脑风暴和研究的个人助手。

谷歌通过多个层级推出Gemini，从免费的Gemini应用到付费的Google AI Plus、Pro和Ultra订阅。开发者可以通过Google AI Studio中的Gemini API访问相同的底层模型，生产环境中提供免费和按使用付费的定价方案。

该系列模型已远远超出2023年宣布的Ultra、Pro和Nano基本尺寸。当前版本包括Gemini 3.5 Flash、Gemini 3.1 Pro，以及用于图像生成、视频、音频和设备端应用的特别版本。