BiomedBERT (PubMedBERT abstract)

Embeddingsלא זמין
מאת Microsoftמזהה מודל: biomedbert-base-uncased-abstract

Microsoft BiomedBERT (formerly PubMedBERT) pretrained from scratch on PubMed abstracts with a domain-specific vocabulary, rather than adapting a general model. As a feature extractor it gives 768-dim biomedical embeddings and set the original state of the art on the BLURB biomedical NLP benchmark.

סטטוס
לא זמין
הקשר
512 טוקנים
קלט → פלט
טקסט → וקטור
מפתח
Microsoft
עודכן
23 בספטמבר 2026

BiomedBERT (PubMedBERT abstract) אינו זמין כרגע

אתם יכולים עדיין לקרוא את הפרטים בעמוד זה. בחרו באחת מהחלופות הזמינות למטה כדי להריץ מודל דומה מיד.

עבור לחלופות
01

דגמים דומים

הכל בקטגוריה זו
02

Playground

נסה את BiomedBERT (PubMedBERT abstract)

קלט ותוצאה

לא זמין כרגע

לא זמין כרגע.

ה-Playground מושבת. מודלים דומים תוכל למצוא באותה קטגוריה: עיין בחלופות

נסה את BiomedBERT (PubMedBERT abstract)

0 / 4,000

Biomedical text to embed

מריץ את המודל פעמיים (חויב פעמיים).

תוצאה
הווקטור יופיע כאן.

הריצה הזו

אין מחיר – כרגע לא זמין.

חדש כאן?

10 קרדיטים חינם (‏0.10 ‏$) כשאתה נרשם עם Google

ניתן להשתמש 24 שעות לאחר ההרשמה, עד 5 ריצות ביום ולכל היותר 2 קרדיטים לריצה. שיטות כניסה אחרות מתחילות ללא קרדיטים.

03

אודות BiomedBERT (PubMedBERT abstract)

בקצרהנכון ל-23 בספטמבר 2026

BiomedBERT (PubMedBERT abstract) הוא מודל של Microsoft בקטגוריית Embeddings. BiomedBERT (PubMedBERT abstract) אינו זמין כרגע ב-Railwail. חלון ההקשר מכיל 512 טוקנים.

BiomedBERT, originally released as PubMedBERT, was trained from random initialization purely on biomedical text from PubMed, with its vocabulary learned from that same corpus. Microsoft's research showed that domain-specific pretraining from scratch beats continual pretraining of general BERT for biomedicine, and the model topped the BLURB benchmark. This abstract-only checkpoint is the most widely used variant. Through the Hugging Face feature-extraction pipeline it returns contextual token embeddings; mean-pool or take [CLS] for sentence and document vectors.
04

תמחור

לא זמין כרגע. אין מחיר למודל זה כרגע, לכן לא ניתן להריצו.

05

API

קראו ל-BiomedBERT (PubMedBERT abstract) עם מפתח ה-API של Railwail שלכם. השתמשו ב-ID מודל זה בבקשה:
biomedbert-base-uncased-abstractתיעוד APIקבלו מפתח API

לא זמין כרגע

לדגם אין מחיר מאומת או שהוא מושבת; קריאות API נדחות.

06

מפרטים

ID מודל
biomedbert-base-uncased-abstract
מפתח
Microsoft
קטגוריה
Embeddings
קלט
טקסט
פלט
וקטור
חלון הקשר
512 טוקנים
רשומת הקטלוג עודכנה
23 בספטמבר 2026

פרמטרים קלט

קלטים והגדרות מסכימת הקלט של המודל. הדוגמה בסעיף API מציגה אילו מהם ה-API מקבל.

  • inputsחובה

    Biomedical text to embed

    סוג: טקסט
    ברירת מחדל: –
    ערכים מותרים: עד 4,000 תווים

תגיות

  • science
  • embedding
  • research
  • huggingface
  • biomedbert
  • pubmedbert
  • microsoft
  • biomedical
07

מקרי שימוש

08

שאלות נפוצות

מה זה BiomedBERT (PubMedBERT abstract)?

BiomedBERT (PubMedBERT abstract) הוא מודל של Microsoft בקטגוריית Embeddings. הוא רשום ב-Railwail אך לא ניתן להריץ אותו כרגע.

כמה עולה BiomedBERT (PubMedBERT abstract) ב-Railwail?

לא ניתן להריץ את BiomedBERT (PubMedBERT abstract) ב-Railwail כרגע, לכן אין מחיר עדכני. חלופות זמינות עם מחירים מופיעות בהמשך הדף.

מה גודל חלון ההקשר של BiomedBERT (PubMedBERT abstract)?

חלון ההקשר של BiomedBERT (PubMedBERT abstract) מכיל 512 טוקנים.

כמה מהיר BiomedBERT (PubMedBERT abstract)?

עדיין אין מספיק הרצות שנמדדו של BiomedBERT (PubMedBERT abstract) ב-Railwail כדי לציין זמן הרצה. זה תלוי בקלט, בהגדרות ובעומס אצל הספק.

האם BiomedBERT (PubMedBERT abstract) טוב יותר מ-OpenAI text-embedding-3-large?

זה תלוי במשימה. BiomedBERT (PubMedBERT abstract) (Microsoft) ו-OpenAI text-embedding-3-large (OpenAI) הם שניהם מודלים בקטגוריית Embeddings. דף ההשוואה מציג את המחירים והמפרטים שלהם זה לצד זה.

השווה בין BiomedBERT (PubMedBERT abstract) ל-OpenAI text-embedding-3-large

האם אני יכול להשתמש ב-BiomedBERT (PubMedBERT abstract) עכשיו?

לא זמין כרגע. הדף נשאר באינטרנט; חלופות זמינות מאותה קטגוריה מופיעות בהמשך.

כל המודלים דרך API אחד

מפתח API אחד לכל מודל ב-Railwail. השימוש מחויב מאשראי מראש, 1 אשראי = ‏0.01 ‏$.