SciBERT (scivocab uncased)

EmbeddingsIkke tilgængelig

af 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.

Se alternativer Sammenlign

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

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

Playground

Prøv SciBERT (scivocab uncased)

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

Scientific 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 SciBERT (scivocab uncased)

Kort sagtFra 23. september 2026

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

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.

Priser

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

API

Kald SciBERT (scivocab uncased) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

scibert-scivocab-uncasedAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

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

Specifikationer

Model-ID: scibert-scivocab-uncased
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
Scientific 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 SciBERT (scivocab uncased)?

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

Hvad koster SciBERT (scivocab uncased) på Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Kontekstvinduet for SciBERT (scivocab uncased) indeholder 512 tokens.

Hvor hurtig er SciBERT (scivocab uncased)?

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

Er SciBERT (scivocab uncased) bedre end OpenAI text-embedding-3-large?

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

Sammenlign SciBERT (scivocab uncased) og OpenAI text-embedding-3-large

Kan jeg bruge SciBERT (scivocab uncased) 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