PubMedBERT Embeddings (NeuML)

EmbeddingsIkke tilgængelig

af 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.

Se alternativer Sammenlign

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

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

Playground

Prøv PubMedBERT Embeddings (NeuML)

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 sentence or passage 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 PubMedBERT Embeddings (NeuML)

Kort sagtFra 23. september 2026

PubMedBERT Embeddings (NeuML) er en model af Community i kategorien Embeddings. PubMedBERT Embeddings (NeuML) er i øjeblikket ikke tilgængelig på Railwail. Kontekstvinduet indeholder 512 tokens.

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.

Priser

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

API

Kald PubMedBERT Embeddings (NeuML) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

pubmedbert-base-embeddingsAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

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

Specifikationer

Model-ID: pubmedbert-base-embeddings
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 sentence or passage 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 PubMedBERT Embeddings (NeuML)?

PubMedBERT Embeddings (NeuML) er en model fra Community i kategorien Embeddings. Den er opført på Railwail, men kan ikke køres i øjeblikket.

Hvad koster PubMedBERT Embeddings (NeuML) på Railwail?

PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML)?

Kontekstvinduet for PubMedBERT Embeddings (NeuML) indeholder 512 tokens.

Hvor hurtig er PubMedBERT Embeddings (NeuML)?

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

Er PubMedBERT Embeddings (NeuML) bedre end OpenAI text-embedding-3-large?

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

Sammenlign PubMedBERT Embeddings (NeuML) og OpenAI text-embedding-3-large

Kan jeg bruge PubMedBERT Embeddings (NeuML) 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