ESM-2 650M (Protein Embeddings)

EmbeddingsНедостъпно

от 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.

Виж алтернативи Сравни

Статус: Недостъпно
Контекст: 1024 токена
Вход → Изход: Текст → Вектор
Разработчик: Meta
Актуализирано: 23 септември 2026 г.

ESM-2 650M (Protein Embeddings) е временно недостъпен

Можете да прочетете подробностите на тази страница. Изберете една от наличните алтернативи по-долу, за да стартирате сравним модел веднага.

Към алтернативите

Сравними модели

Всички в тази категория

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 щ.д./1M вх
Сравнете ESM-2 650M (Protein Embeddings) и OpenAI text-embedding-3-large
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 щ.д./1M вх
Сравнете ESM-2 650M (Protein Embeddings) и OpenAI text-embedding-3-small

Playground

Опитай ESM-2 650M (Protein Embeddings)

Вход и резултат

Временно недостъпно

Временно недостъпно.

Playground е деактивиран. Сравними модели можеш да намериш в същата категория: Преглед на алтернативи

Protein Sequence

0 / 1024

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

Сравни с (по избор)

Стартира модела два пъти (фактурирано два пъти).

⌘/Ctrl + Enter

Резултат

Векторът се появява тук.

Този запуск

Няма цена – в момента недостъпно.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита.

За ESM-2 650M (Protein Embeddings)

НакраткоКъм 23 септември 2026 г.

ESM-2 650M (Protein Embeddings) е модел на Meta от категория Embeddings. На Railwail ESM-2 650M (Protein Embeddings) в момента не е наличен. Контекстното окно съдържа 1024 токена.

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.

Цени

Временно недостъпно. В момента няма цена за този модел, затова не може да се изпълни.

API

Извикайте ESM-2 650M (Protein Embeddings) с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

esm2-650m-protein-embeddingsAPI документация Получете API ключ

В момента недостъпно

Моделът няма проверена цена или е деактивиран; API обаждания се отхвърлят.

Спецификации

ID на модела: esm2-650m-protein-embeddings
Разработчик: Meta
Категория: Embeddings
Вход: Текст
Изход: Вектор
Контекстен прозорец: 1024 токена
Каталогът е актуализиран: 23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

ПараметърТипПо подразбиранеРазрешени стойности

inputsзадължително
Amino-acid sequence (single-letter codes) to embed
Тип: Текст
По подразбиране: –
Разрешени стойности: до 1024 символа

Етикети

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Случаи на използване

Свързани ръководства

Embedding Models for Search & Science

Всички модели в Embeddings

Често задавани въпроси

Какво е ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) е модел от Meta в категория Embeddings. Той е включен в каталога на Railwail, но не може да се стартира в момента.

Колко струва ESM-2 650M (Protein Embeddings) на Railwail?

ESM-2 650M (Protein Embeddings) не може да се стартира на Railwail в момента, затова няма текуща цена. Налични алтернативи с цени са изброени по-долу на тази страница.

Какво е контекстното окно на ESM-2 650M (Protein Embeddings)?

Контекстното окно на ESM-2 650M (Protein Embeddings) съдържа 1024 токена.

Колко бърз е ESM-2 650M (Protein Embeddings)?

Все още няма достатъчно измерени задачи на ESM-2 650M (Protein Embeddings) на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли ESM-2 650M (Protein Embeddings) по-добър от OpenAI text-embedding-3-large?

Зависи от задачата. ESM-2 650M (Protein Embeddings) (Meta) и OpenAI text-embedding-3-large (OpenAI) са и двата модела в категория Embeddings. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни ESM-2 650M (Protein Embeddings) и OpenAI text-embedding-3-large

Мога ли да използвам ESM-2 650M (Protein Embeddings) сега?

Временно недостъпно. Страницата остава онлайн; налични алтернативи от същата категория са изброени по-долу.

Всички модели чрез един API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..

Получете API ключ Преглед на всички модели