SciBERT (scivocab uncased)

EmbeddingsNicht verfügbar

von Communityscibert-scivocab-uncased

AllenAI BERT-base pretrained from scratch on 1.14M scientific papers (mostly biomedical and computer science) with its own scientific WordPiece vocabulary. Used as a feature extractor it gives 768-dim contextual embeddings tuned to scientific text, outperforming general BERT on tasks like NER and relation extraction in research corpora.

Alternativen ansehen Vergleichen

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

SciBERT (scivocab uncased) 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
SciBERT (scivocab uncased) 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
SciBERT (scivocab uncased) und OpenAI text-embedding-3-small vergleichen

Playground

SciBERT (scivocab uncased) 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

Scientific text 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 SciBERT (scivocab uncased)

Kurz gesagtStand: 23. September 2026

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

SciBERT is a BERT-base model trained on a large corpus of full-text scientific papers from Semantic Scholar. Unlike vanilla BERT it uses scivocab, a WordPiece vocabulary built directly from scientific text, which improves token coverage for domain terminology. This scivocab-uncased checkpoint is the most downloaded variant. Through the Hugging Face feature-extraction pipeline it returns token-level hidden states; mean-pool or take the [CLS] vector for sentence or document embeddings in scientific search and classification pipelines.

Preise

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

API

Rufe SciBERT (scivocab uncased) mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

scibert-scivocab-uncasedAPI-Dokumentation API-Schlüssel holen

Derzeit nicht verfügbar

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

Spezifikationen

Modell-ID: scibert-scivocab-uncased
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
Scientific text 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 SciBERT (scivocab uncased)?

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

Was kostet SciBERT (scivocab uncased) bei Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Das Kontextfenster von SciBERT (scivocab uncased) umfasst 512 Token.

Wie schnell ist SciBERT (scivocab uncased)?

Für SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased) besser als OpenAI text-embedding-3-large?

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

SciBERT (scivocab uncased) und OpenAI text-embedding-3-large vergleichen

Kann ich SciBERT (scivocab uncased) 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