ESM-2 650M (Protein Embeddings)

EmbeddingsNicht verfügbar

von Metaesm2-650m-protein-embeddings

Meta AI 650M-parameter protein language model trained on UniRef50 sequences. Feed it an amino-acid sequence and the per-residue hidden states act as learned protein embeddings, used for structure prediction, variant-effect and function tasks. This 33-layer checkpoint is the common balance of quality and cost in the ESM-2 family.

Alternativen ansehen Vergleichen

Status: Nicht verfügbar
Kontext: 1 024 Token
Eingabe → Ausgabe: Text → Vektor
Entwickler: Meta
Aktualisiert: 23. September 2026

ESM-2 650M (Protein Embeddings) ist derzeit nicht verfügbar

Die Angaben auf dieser Seite kannst du weiter nachlesen. Mit einer der verfügbaren Alternativen unten kannst du sofort ein vergleichbares Modell nutzen.

Zu den Alternativen

Vergleichbare Modelle

Alle dieser Kategorie

OpenAI text-embedding-3-largeOpenAI
OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.
$ 0,156/1 Mio. In
ESM-2 650M (Protein Embeddings) und OpenAI text-embedding-3-large vergleichen
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
$ 0,024/1 Mio. In
ESM-2 650M (Protein Embeddings) und OpenAI text-embedding-3-small vergleichen

Playground

ESM-2 650M (Protein Embeddings) ausprobieren

Eingabe & Ergebnis

Derzeit nicht verfügbar

Derzeit nicht verfügbar.

Der Playground ist deaktiviert. Vergleichbare Modelle findest du in derselben Kategorie: Alternativen ansehen

Protein Sequence

0 / 1 024

Amino-acid sequence (single-letter codes) to embed

Vergleichen mit (optional)

Startet das Modell zweimal (zweimal berechnet).

⌘/Strg + Enter

Ergebnis

Der Vektor erscheint hier.

Dieser Lauf

Kein Preis – derzeit nicht verfügbar.

Neu hier?

10 Gratis-Credits ($ 0,10) bei Anmeldung mit Google

Nutzbar 24 Stunden nach der Anmeldung, bis zu 5 Läufe pro Tag und höchstens 2 Credits je Lauf. Andere Anmeldearten starten ohne Guthaben.

Über ESM-2 650M (Protein Embeddings)

Kurz gesagtStand: 23. September 2026

ESM-2 650M (Protein Embeddings) ist ein Modell von Meta aus der Kategorie Embeddings. Über Railwail ist ESM-2 650M (Protein Embeddings) derzeit nicht verfügbar. Das Kontextfenster umfasst 1 024 Token.

ESM-2 is a transformer protein language model from Meta AI (FAIR) trained with masked language modeling over millions of protein sequences from UniRef. Its internal representations capture structural and functional properties of proteins, which is why ESM-2 embeddings power downstream tools including ESMFold structure prediction. The 650M t33 checkpoint sits between the small research models and the 3B/15B versions. Run through the Hugging Face feature-extraction pipeline on an amino-acid string to obtain per-residue embedding vectors (1280 dims), which are typically mean-pooled for a whole-protein embedding.

Preise

Derzeit nicht verfügbar. Für dieses Modell gibt es derzeit keinen Preis, deshalb lässt es sich nicht ausführen.

API

Rufe ESM-2 650M (Protein Embeddings) mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

esm2-650m-protein-embeddingsAPI-Dokumentation API-Schlüssel holen

Derzeit nicht verfügbar

Das Modell hat keinen geprüften Preis oder ist deaktiviert; API-Aufrufe werden abgelehnt.

Spezifikationen

Modell-ID: esm2-650m-protein-embeddings
Entwickler: Meta
Kategorie: Embeddings
Eingabe: Text
Ausgabe: Vektor
Kontextfenster: 1 024 Token
Katalogeintrag aktualisiert: 23. September 2026

Eingabeparameter

Eingaben und Einstellungen laut Eingabeschema des Modells. Welche davon die API annimmt, zeigt das Beispiel im Abschnitt API.

ParameterTypStandardErlaubte Werte

inputsPflicht
Amino-acid sequence (single-letter codes) to embed
Typ: Text
Standard: –
Erlaubte Werte: bis 1 024 Zeichen

Einsatzgebiete

Passende Übersichten

Embedding Models for Search & Science

Alle Modelle in Embeddings

Häufige Fragen

Was ist ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) ist ein Modell von Meta aus der Kategorie Embeddings. Es steht im Railwail-Katalog, lässt sich derzeit aber nicht ausführen.

Was kostet ESM-2 650M (Protein Embeddings) bei Railwail?

ESM-2 650M (Protein Embeddings) lässt sich über Railwail derzeit nicht ausführen, deshalb gibt es keinen aktuellen Preis. Verfügbare Alternativen mit Preisen stehen weiter unten auf dieser Seite.

Wie groß ist das Kontextfenster von ESM-2 650M (Protein Embeddings)?

Das Kontextfenster von ESM-2 650M (Protein Embeddings) umfasst 1 024 Token.

Wie schnell ist ESM-2 650M (Protein Embeddings)?

Für ESM-2 650M (Protein Embeddings) gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.

Ist ESM-2 650M (Protein Embeddings) besser als OpenAI text-embedding-3-large?

Das hängt von der Aufgabe ab. ESM-2 650M (Protein Embeddings) (Meta) und OpenAI text-embedding-3-large (OpenAI) sind beide Modelle aus der Kategorie Embeddings. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

ESM-2 650M (Protein Embeddings) und OpenAI text-embedding-3-large vergleichen

Kann ich ESM-2 650M (Protein Embeddings) gerade nutzen?

Derzeit nicht verfügbar. Die Seite bleibt online; verfügbare Alternativen aus derselben Kategorie stehen weiter unten.

Alle Modelle über eine API

Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = $ 0,01.

API-Schlüssel holen Alle Modelle ansehen