ESM-2 650M (Protein Embeddings)

EmbeddingsNem elérhető
Meta általModell-azonosító: esm2-650m-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.

Állapot
Nem elérhető
Kontextus
1024 token
Bemenet → kimenet
Szöveg → Vektor
Fejlesztő
Meta
Frissítve
2026. szeptember 23.

ESM-2 650M (Protein Embeddings) jelenleg nem elérhető

Az oldal részleteit továbbra is elolvashatja. Az alábbi elérhető alternatívák közül válasszon egy hasonló modell azonnali futtatásához.

Ugrás az alternatívákhoz
01
02

Playground

Próbáld ki: ESM-2 650M (Protein Embeddings)

Bemenet és kimenet

Jelenleg nem elérhető

Jelenleg nem elérhető.

A játszótér letiltva van. Hasonló modelleket találsz ugyanabban a kategóriában: Alternatívák megtekintése

Próbáld ki: ESM-2 650M (Protein Embeddings)

0 / 1024

Amino-acid sequence (single-letter codes) to embed

Kétszer futtatja a modellt (kétszer számlázva).

Eredmény
A vektor itt jelenik meg.

Ez a futtatás

Nincs ár – jelenleg nem elérhető.

Új vagy itt?

10 ingyenes kredit (0,10 USD) Google-fiókkal való regisztrációkor

Használható 24 órával a regisztráció után, naponta legfeljebb 5 futtatás és futtatásonként legfeljebb 2 kredit. Más bejelentkezési módok kreditek nélkül indulnak.

03

A ESM-2 650M (Protein Embeddings) névjegye

Röviden2026. szeptember 23. szerint

A ESM-2 650M (Protein Embeddings) a Meta által fejlesztett modell a Embeddings kategóriában. A ESM-2 650M (Protein Embeddings) jelenleg nem érhető el a Railwail-en. A kontextablak 1024 tokent tartalmaz.

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.
04

Árak

Jelenleg nem elérhető. Jelenleg nincs ár ehhez a modellhez, ezért nem futtatható.

05

API

Hívja meg a ESM-2 650M (Protein Embeddings) modellt a Railwail API-kulcsával. Használja ezt a modell-azonosítót a kérésben:

Jelenleg nem elérhető

A modellnek nincs ellenőrzött ára vagy deaktiválva van; az API-hívások visszautasítottak.

06

Specifikációk

Modell-azonosító
esm2-650m-protein-embeddings
Fejlesztő
Meta
Kategória
Embeddings
Bemenet
Szöveg
Kimenet
Vektor
Kontextusablak
1024 token
Katalógus bejegyzés frissítve
2026. szeptember 23.

Bemeneti paraméterek

A modell bemeneti sémájából származó bemenetek és beállítások. Az API szakaszban szereplő példa mutatja, hogy az API melyiket fogadja el.

  • inputskötelező

    Amino-acid sequence (single-letter codes) to embed

    Típus: Szöveg
    Alapértelmezett: –
    Engedélyezett értékek: legfeljebb 1024 karakter

Címkék

  • science
  • embedding
  • research
  • huggingface
  • esm2
  • protein
  • meta
  • bioinformatics
07

Felhasználási esetek

08

Gyakran ismételt kérdések

Mi az a ESM-2 650M (Protein Embeddings)?

A ESM-2 650M (Protein Embeddings) a Meta által fejlesztett modell a Embeddings kategóriában. A Railwail katalógusában szerepel, de jelenleg nem futtatható.

Mennyibe kerül a ESM-2 650M (Protein Embeddings) a Railwail-on?

A ESM-2 650M (Protein Embeddings) jelenleg nem futtatható a Railwail-on, ezért nincs aktuális ár. Az elérhető alternatívák árakkal az oldal alább találhatók.

Mekkora a ESM-2 650M (Protein Embeddings) kontextablaka?

A ESM-2 650M (Protein Embeddings) kontextablaka 1024 tokent tartalmaz.

Milyen gyors a ESM-2 650M (Protein Embeddings)?

A ESM-2 650M (Protein Embeddings)-nek még nincs elég mért futtatása a Railwail-on ahhoz, hogy futási időt adjunk meg. Ez a bemenettől, a beállításoktól és a szolgáltató terhelésétől függ.

A ESM-2 650M (Protein Embeddings) jobb, mint a OpenAI text-embedding-3-large?

Ez a feladattól függ. A ESM-2 650M (Protein Embeddings) (Meta) és a OpenAI text-embedding-3-large (OpenAI) egyaránt modellek a Embeddings kategóriában. Az összehasonlítás oldal az árakat és specifikációkat egymás mellett mutatja.

ESM-2 650M (Protein Embeddings) és OpenAI text-embedding-3-large összehasonlítása

Használhatom a ESM-2 650M (Protein Embeddings)-t most?

Jelenleg nem elérhető. Az oldal online marad; az ugyanabból a kategóriából elérhető alternatívák az oldal alább találhatók.

Összes modell egy API-n keresztül

Egy API-kulcs a Railwail összes modelljéhez. A használat előre feltöltött kreditek alapján kerül felszámításra, 1 kredit = 0,01 USD.