PubMedBERT Embeddings (NeuML)

EmbeddingsNicht verfügbar

von Communitypubmedbert-base-embeddings

Sentence-transformers model fine-tuned from Microsoft PubMedBERT on PubMed title-abstract pairs by the NeuML team. Produces 768-dim sentence embeddings tuned for biomedical semantic search and similarity, and is the embedding backbone behind the paperai and txtai medical search tools.

Alternativen ansehen Vergleichen

Status: Nicht verfügbar
Kontext: 512 Token
Eingabe → Ausgabe: Text → Vektor
Entwickler: Community
Aktualisiert: 23. September 2026

PubMedBERT Embeddings (NeuML) 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
PubMedBERT Embeddings (NeuML) 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
PubMedBERT Embeddings (NeuML) und OpenAI text-embedding-3-small vergleichen

Playground

PubMedBERT Embeddings (NeuML) ausprobieren

Eingabe & Ergebnis

Derzeit nicht verfügbar

Derzeit nicht verfügbar.

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

Text

0 / 4.000

Biomedical sentence or passage 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 PubMedBERT Embeddings (NeuML)

Kurz gesagtStand: 23. September 2026

PubMedBERT Embeddings (NeuML) ist ein Modell von Community aus der Kategorie Embeddings. Über Railwail ist PubMedBERT Embeddings (NeuML) derzeit nicht verfügbar. Das Kontextfenster umfasst 512 Token.

This model takes Microsoft's PubMedBERT, which was pretrained from scratch on PubMed abstracts and PMC full text, and fine-tunes it with a sentence-transformers objective on PubMed title-abstract pairs. The result maps biomedical sentences and short passages into a 768-dim space where cosine similarity reflects clinical and biomedical relatedness. It is widely used for retrieval over medical literature. Served via the Hugging Face feature-extraction pipeline; mean-pool the token outputs to obtain the sentence embedding.

Preise

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

API

Rufe PubMedBERT Embeddings (NeuML) mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

pubmedbert-base-embeddingsAPI-Dokumentation API-Schlüssel holen

Derzeit nicht verfügbar

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

Spezifikationen

Modell-ID: pubmedbert-base-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.

ParameterTypStandardErlaubte Werte

inputsPflicht
Biomedical sentence or passage to embed
Typ: Text
Standard: –
Erlaubte Werte: bis 4.000 Zeichen

Einsatzgebiete

Passende Übersichten

Embedding Models for Search & Science

Alle Modelle: Embeddings

Häufige Fragen

Was ist PubMedBERT Embeddings (NeuML)?

PubMedBERT Embeddings (NeuML) ist ein Modell von Community aus der Kategorie Embeddings. Es steht im Railwail-Katalog, lässt sich derzeit aber nicht ausführen.

Was kostet PubMedBERT Embeddings (NeuML) bei Railwail?

PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML)?

Das Kontextfenster von PubMedBERT Embeddings (NeuML) umfasst 512 Token.

Wie schnell ist PubMedBERT Embeddings (NeuML)?

Für PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML) besser als OpenAI text-embedding-3-large?

Das hängt von der Aufgabe ab. PubMedBERT Embeddings (NeuML) (Community) und OpenAI text-embedding-3-large (OpenAI) sind beide Modelle aus der Kategorie Embeddings. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

PubMedBERT Embeddings (NeuML) und OpenAI text-embedding-3-large vergleichen

Kann ich PubMedBERT Embeddings (NeuML) 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