SPECTER (Scientific Paper Embeddings)

EmbeddingsIkke tilgængelig

af Communityspecter-scientific-paper-embeddings

AllenAI document-level embedding model for scientific papers. Built on SciBERT and trained on the citation graph so that papers citing each other land close together. Feed it a title plus abstract and it returns one 768-dim vector per paper, useful for recommendation, clustering and citation-based retrieval.

Se alternativer Sammenlign

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

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

Playground

Prøv SPECTER (Scientific Paper 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

Paper title and abstract (or any 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 SPECTER (Scientific Paper Embeddings)

Kort sagtFra 23. september 2026

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

SPECTER from the Allen Institute for AI produces a single embedding per scientific document instead of per-token vectors. It was pretrained on a triplet objective over the Semantic Scholar citation graph, so the distance between two paper embeddings reflects topical and citation relatedness rather than just lexical overlap. The standard input is the paper title and abstract joined together. Served through Hugging Face with the feature-extraction pipeline; take the [CLS] token vector (768 dims) as the document embedding.

Priser

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

API

Kald SPECTER (Scientific Paper Embeddings) med din Railwail API-nøgle. Brug dette model-ID i anmodningen:

specter-scientific-paper-embeddingsAPI-dokumentation Få en API-nøgle

I øjeblikket utilgængelig

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

Specifikationer

Model-ID: specter-scientific-paper-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
Paper title and abstract (or any 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 SPECTER (Scientific Paper Embeddings)?

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

Hvad koster SPECTER (Scientific Paper Embeddings) på Railwail?

SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings)?

Kontekstvinduet for SPECTER (Scientific Paper Embeddings) indeholder 512 tokens.

Hvor hurtig er SPECTER (Scientific Paper Embeddings)?

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

Er SPECTER (Scientific Paper Embeddings) bedre end OpenAI text-embedding-3-large?

Det afhænger af opgaven. SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings) og OpenAI text-embedding-3-large

Kan jeg bruge SPECTER (Scientific Paper 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