BioBERT v1.2 (Biomedical Embeddings)

EmbeddingsIkke tilgængelig

af Communitybiobert-base-cased-v1-2

DMIS-Lab (Korea University) BERT-base initialized from English BERT and further pretrained on PubMed abstracts. Used as a feature extractor it yields 768-dim contextual embeddings tuned for biomedical text mining tasks such as NER, relation extraction and biomedical question answering.

Se alternativer Sammenlign

Status: Ikke tilgængelig
Kontekst: 512 tokens
Input → output: Tekst → Vektor
Udvikler: Community
Opdateret: 23. september 2026

BioBERT v1.2 (Biomedical Embeddings) er i øjeblikket utilgængelig

Du kan stadig læse detaljerne på denne side. Vælg en af de tilgængelige alternativer nedenfor for at køre en sammenlignelig model med det samme.

Gå til alternativer

Sammenlignelige modeller

Alle i denne kategori

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 US$/1M in
Sammenlign BioBERT v1.2 (Biomedical Embeddings) og OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Sammenlign BioBERT v1.2 (Biomedical Embeddings) og OpenAI text-embedding-3-small

Playground

Prøv BioBERT v1.2 (Biomedical Embeddings)

Input & resultat

Derzeit nicht verfügbar

Ikke tilgængelig i øjeblikket.

Playground'en er deaktiveret. Du finder sammenlignelige modeller i samme kategori: Se alternativer

Text

0 / 4.000

Biomedical text to embed

Sammenlign med (valgfrit)

Kører modellen to gange (faktureres to gange).

⌘/Ctrl + Enter

Resultat

Vektoren vises her.

Denne kørsel

Ingen pris – ikke tilgængelig i øjeblikket.

Ny her?

10 gratis credits (0,10 US$) når du tilmelder dig med Google

Kan bruges 24 timer efter tilmelding, op til 5 kørsler pr. dag og højst 2 credits pr. kørsel. Andre login-metoder starter uden credits.

Om BioBERT v1.2 (Biomedical Embeddings)

Kort sagtFra 23. september 2026

BioBERT v1.2 (Biomedical Embeddings) er en model af Community i kategorien Embeddings. BioBERT v1.2 (Biomedical Embeddings) er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 512 tokens.

BioBERT continues pretraining of the cased English BERT-base model on large biomedical corpora (PubMed abstracts), keeping the original vocabulary so it stays compatible with general-domain BERT while gaining biomedical knowledge. Version 1.2 is the cased release maintained by DMIS-Lab. It was one of the first domain-adapted BERTs and remains a standard baseline for biomedical NLP. Served through Hugging Face with the feature-extraction pipeline, returning token-level hidden states; pool them for sentence or document embeddings.

Priser

Ikke tilgængelig i øjeblikket. Der er i øjeblikket ingen pris for denne model, så den kan ikke køres.

API

Kald BioBERT v1.2 (Biomedical Embeddings) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

biobert-base-cased-v1-2API-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

Modellen har ingen bekræftet pris eller er deaktiveret; API-kald afvises.

Specifikationer

Model-ID: biobert-base-cased-v1-2
Udvikler: Community
Kategori: Embeddings
Input: Tekst
Output: Vektor
Kontekstvindue: 512 tokens
Katalogelement opdateret: 23. september 2026

Inputparametre

Inputs og indstillinger fra modellens inputskema. Eksemplet i API-afsnittet viser, hvilke af dem API'en accepterer.

ParameterTypeStandardTilladte værdier

inputspåkrævet
Biomedical text to embed
Type: Tekst
Standard: –
Tilladte værdier: op til 4.000 tegn

Anvendelsestilfælde

Relaterede vejledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stillede spørgsmål

Hvad er BioBERT v1.2 (Biomedical Embeddings)?

BioBERT v1.2 (Biomedical Embeddings) er en model fra Community i kategorien Embeddings. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster BioBERT v1.2 (Biomedical Embeddings) på Railwail?

BioBERT v1.2 (Biomedical Embeddings) kan ikke køres på Railwail i øjeblikket, så der er ingen aktuel pris. Tilgængelige alternativer med priser er angivet længere nede på denne side.

Hvad er kontekstvinduet for BioBERT v1.2 (Biomedical Embeddings)?

Kontekstvinduet for BioBERT v1.2 (Biomedical Embeddings) indeholder 512 tokens.

Hvor hurtig er BioBERT v1.2 (Biomedical Embeddings)?

Der er endnu ikke nok målte kørsler af BioBERT v1.2 (Biomedical Embeddings) på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er BioBERT v1.2 (Biomedical Embeddings) bedre end OpenAI text-embedding-3-large?

Det afhænger af opgaven. BioBERT v1.2 (Biomedical Embeddings) (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign BioBERT v1.2 (Biomedical Embeddings) og OpenAI text-embedding-3-large

Kan jeg bruge BioBERT v1.2 (Biomedical Embeddings) lige nu?

Ikke tilgængelig i øjeblikket. Siden forbliver online; tilgængelige alternativer fra samme kategori er angivet længere nede.

Alle modeller via én API

En API-nøgle til alle modeller på Railwail. Forbrug debiteres fra forudbetalte credits, 1 credit = 0,01 US$.

Få API-nøgle Se alle modeller