PubMedBERT Embeddings (NeuML)
pubmedbert-base-embeddingsSentence-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.
- Κατάσταση
- Μη διαθέσιμο
- Περιεχόμενο
- 512 tokens
- Είσοδος → Έξοδος
- Κείμενο → Διάνυσμα
- Προγραμματιστής
- Community
- Ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Το PubMedBERT Embeddings (NeuML) δεν είναι διαθέσιμο αυτή τη στιγμή
Μπορείτε να διαβάσετε τις λεπτομέρειες σε αυτήν τη σελίδα. Επιλέξτε μία από τις διαθέσιμες εναλλακτικές λύσεις παρακάτω για να εκτελέσετε αμέσως ένα συγκρίσιμο μοντέλο.
Μετάβαση στις εναλλακτικές λύσειςΣυγκρίσιμα μοντέλα
Όλα σε αυτήν την κατηγορίαOpenAI'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.
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.
Playground
Δοκιμάστε PubMedBERT Embeddings (NeuML)
Είσοδος & Έξοδος
Προς το παρόν μη διαθέσιμο.
Το playground είναι απενεργοποιημένο. Μπορείτε να βρείτε συγκρίσιμα μοντέλα στην ίδια κατηγορία: Περιήγηση εναλλακτικών λύσεων
Αυτή η εκτέλεση
Χωρίς τιμή – προς το παρόν μη διαθέσιμο.
Νέος εδώ;
10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google
Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες.
Σχετικά με το PubMedBERT Embeddings (NeuML)
Το PubMedBERT Embeddings (NeuML) είναι ένα μοντέλο του Community στην κατηγορία Embeddings. Το PubMedBERT Embeddings (NeuML) δεν είναι διαθέσιμο στο Railwail αυτή τη στιγμή. Το παράθυρο περιεχομένου περιέχει 512 tokens.
Τιμολόγηση
Προς το παρόν μη διαθέσιμο. Δεν υπάρχει τιμή για αυτό το μοντέλο αυτή τη στιγμή, επομένως δεν μπορεί να εκτελεστεί.
API
Προς το παρόν μη διαθέσιμο
Το μοντέλο δεν έχει επαληθευμένη τιμή ή είναι απενεργοποιημένο· οι κλήσεις API απορρίπτονται.
Προδιαγραφές
- ID μοντέλου
pubmedbert-base-embeddings- Ανάπτυξη
- Community
- Κατηγορία
- Embeddings
- Είσοδος
- Κείμενο
- Έξοδος
- Διάνυσμα
- Παράθυρο περιεχομένου
- 512 tokens
- Καταχώρηση καταλόγου ενημερώθηκε
- 23 Σεπτεμβρίου 2026
Παράμετροι εισόδου
Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.
inputsΥποχρεωτικόBiomedical sentence or passage to embed
Τύπος: ΚείμενοΠροεπιλογή: –Επιτρεπόμενες τιμές: Έως 4.000 χαρακτήρες
Ετικέτες
- science
- embedding
- research
- huggingface
- pubmedbert
- biomedical
- medical
- sentence-transformers
Περιπτώσεις χρήσης
Συχνές ερωτήσεις
Τι είναι PubMedBERT Embeddings (NeuML);
Το PubMedBERT Embeddings (NeuML) είναι ένα μοντέλο του Community στην κατηγορία Embeddings. Είναι καταχωρημένο στο Railwail αλλά δεν μπορεί να εκτελεστεί αυτή τη στιγμή.
Πόσο κοστίζει το PubMedBERT Embeddings (NeuML) στο Railwail;
Το PubMedBERT Embeddings (NeuML) δεν μπορεί να εκτελεστεί στο Railwail αυτή τη στιγμή, επομένως δεν υπάρχει τρέχουσα τιμή. Διαθέσιμες εναλλακτικές λύσεις με τιμές παρατίθενται παρακάτω σε αυτήν τη σελίδα.
Ποιο είναι το παράθυρο περιεχομένου του PubMedBERT Embeddings (NeuML);
Το παράθυρο περιεχομένου του PubMedBERT Embeddings (NeuML) περιέχει 512 tokens.
Πόσο γρήγορο είναι το PubMedBERT Embeddings (NeuML);
Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του PubMedBERT Embeddings (NeuML) στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.
Είναι το PubMedBERT Embeddings (NeuML) καλύτερο από το OpenAI text-embedding-3-large;
Αυτό εξαρτάται από την εργασία. Το PubMedBERT Embeddings (NeuML) (Community) και το OpenAI text-embedding-3-large (OpenAI) είναι και τα δύο μοντέλα στην κατηγορία Embeddings. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.
Σύγκριση PubMedBERT Embeddings (NeuML) και OpenAI text-embedding-3-largeΜπορώ να χρησιμοποιήσω το PubMedBERT Embeddings (NeuML) τώρα;
Προς το παρόν μη διαθέσιμο. Η σελίδα παραμένει ενεργή· διαθέσιμες εναλλακτικές λύσεις από την ίδια κατηγορία παρατίθενται παρακάτω.
Όλα τα μοντέλα μέσω ενός API
Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.