SPECTER (Scientific Paper Embeddings)
specter-scientific-paper-embeddingsAllenAI document-level embedding model for scientific papers. Built on SciBERT and trained on the citation graph so that papers citing each other land close together. Feed it a title plus abstract and it returns one 768-dim vector per paper, useful for recommendation, clustering and citation-based retrieval.
- Status
- Nicht verfügbar
- Kontext
- 512 Token
- Eingabe → Ausgabe
- Text → Vektor
- Entwickler
- Community
- Aktualisiert
- 23. September 2026
SPECTER (Scientific Paper 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 AlternativenVergleichbare Modelle
Alle dieser KategorieOpenAI'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.
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.
Playground
SPECTER (Scientific Paper Embeddings) ausprobieren
Eingabe & Ergebnis
Derzeit nicht verfügbar.
Der Playground ist deaktiviert. Vergleichbare Modelle findest du in derselben Kategorie: Alternativen ansehen
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 SPECTER (Scientific Paper Embeddings)
SPECTER (Scientific Paper Embeddings) ist ein Modell von Community aus der Kategorie Embeddings. Über Railwail ist SPECTER (Scientific Paper Embeddings) derzeit nicht verfügbar. Das Kontextfenster umfasst 512 Token.
Preise
Derzeit nicht verfügbar. Für dieses Modell gibt es derzeit keinen Preis, deshalb lässt es sich nicht ausführen.
API
Derzeit nicht verfügbar
Das Modell hat keinen geprüften Preis oder ist deaktiviert; API-Aufrufe werden abgelehnt.
Spezifikationen
- Modell-ID
specter-scientific-paper-embeddings- Entwickler
- Community
- Kategorie
- Embeddings
- Eingabe
- Text
- Ausgabe
- Vektor
- Kontextfenster
- 512 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.
inputsPflichtPaper title and abstract (or any scientific text) to embed
Typ: TextStandard: –Erlaubte Werte: bis 4 000 Zeichen
Schlagwörter
- science
- embedding
- research
- huggingface
- specter
- allenai
- scientific-papers
- citation
Einsatzgebiete
Häufige Fragen
Was ist SPECTER (Scientific Paper Embeddings)?
SPECTER (Scientific Paper Embeddings) ist ein Modell von Community aus der Kategorie Embeddings. Es steht im Railwail-Katalog, lässt sich derzeit aber nicht ausführen.
Was kostet SPECTER (Scientific Paper Embeddings) bei Railwail?
SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings)?
Das Kontextfenster von SPECTER (Scientific Paper Embeddings) umfasst 512 Token.
Wie schnell ist SPECTER (Scientific Paper Embeddings)?
Für SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings) besser als OpenAI text-embedding-3-large?
Das hängt von der Aufgabe ab. SPECTER (Scientific Paper Embeddings) (Community) und OpenAI text-embedding-3-large (OpenAI) sind beide Modelle aus der Kategorie Embeddings. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.
SPECTER (Scientific Paper Embeddings) und OpenAI text-embedding-3-large vergleichenKann ich SPECTER (Scientific Paper 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.