ESM-2 650M (Protein Embeddings)

EmbeddingsIkke tilgængelig

af 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.

Se alternativer Sammenlign

Status: Ikke tilgængelig
Kontekst: 1.024 tokens
Input → output: Tekst → Vektor
Udvikler: Meta
Opdateret: 23. september 2026

ESM-2 650M (Protein 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$/1M in
Sammenlign ESM-2 650M (Protein Embeddings) og OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Sammenlign ESM-2 650M (Protein Embeddings) og OpenAI text-embedding-3-small

Playground

Prøv ESM-2 650M (Protein Embeddings)

Input & resultat

Derzeit nicht verfügbar

Ikke tilgængelig i øjeblikket.

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

Protein Sequence

0 / 1.024

Amino-acid sequence (single-letter codes) 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 ESM-2 650M (Protein Embeddings)

Kort sagtFra 23. september 2026

ESM-2 650M (Protein Embeddings) er en model af Meta i kategorien Embeddings. ESM-2 650M (Protein Embeddings) er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 1.024 tokens.

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.

Priser

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

API

Kald ESM-2 650M (Protein Embeddings) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

esm2-650m-protein-embeddingsAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

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

Specifikationer

Model-ID: esm2-650m-protein-embeddings
Udvikler: Meta
Kategori: Embeddings
Input: Tekst
Output: Vektor
Kontekstvindue: 1.024 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
Amino-acid sequence (single-letter codes) to embed
Type: Tekst
Standard: –
Tilladte værdier: op til 1.024 tegn

Anvendelsestilfælde

Relaterede vejledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stillede spørgsmål

Hvad er ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) er en model fra Meta i kategorien Embeddings. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster ESM-2 650M (Protein Embeddings) på Railwail?

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

Kontekstvinduet for ESM-2 650M (Protein Embeddings) indeholder 1.024 tokens.

Hvor hurtig er ESM-2 650M (Protein Embeddings)?

Der er endnu ikke nok målte kørsler af ESM-2 650M (Protein Embeddings) på Railwail til at angive en udførelsestid. Det afhænger af inputtet, indstillingerne og belastningen hos provideren.

Er ESM-2 650M (Protein Embeddings) bedre end OpenAI text-embedding-3-large?

Det afhænger af opgaven. ESM-2 650M (Protein Embeddings) (Meta) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser deres priser og specifikationer side om side.

Sammenlign ESM-2 650M (Protein Embeddings) og OpenAI text-embedding-3-large

Kan jeg bruge ESM-2 650M (Protein 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