ESM-2 650M (Protein Embeddings)

EmbeddingsNeprieinama

iš Metaesm2-650m-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.

Peržiūrėti alternatyvas Palyginti

Būsena: Neprieinama
Kontekstas: 1 024 žetonų
Įvestis → išvestis: Tekstas → Vektorius
Kūrėjas: Meta
Atnaujinta: 2026 m. rugsėjo 23 d.

ESM-2 650M (Protein Embeddings) šiuo metu neprieinamas

Šiame puslapyje galite perskaityti išsamią informaciją. Norėdami iš karto paleisti panašų modelį, pasirinkite vieną iš žemiau pateiktų prieinamų alternatyvų.

Į alternatyvas

Panašūs modeliai

Visi šioje kategorijoje

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 USD/1M įv
Palyginti ESM-2 650M (Protein Embeddings) ir 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 USD/1M įv
Palyginti ESM-2 650M (Protein Embeddings) ir OpenAI text-embedding-3-small

Žaidimų aikštelė

Išbandyti ESM-2 650M (Protein Embeddings)

Įvestis ir rezultatas

Šiuo metu neprieinamas

Šiuo metu nepasiekiama.

Žaidimų aikštelė išjungta. Panašius modelius rasite toje pačioje kategorijoje: Peržiūrėti alternatyvas

Protein Sequence

0 / 1 024

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

Palyginti su (pasirinktinai)

Modelis vykdomas du kartus (išrašyta du kartus).

⌘/Ctrl + Enter

Rezultatas

Vektorius pasirodo čia.

Šis paleidimas

Nėra kainos – šiuo metu neprieinama.

Naujas čia?

10 nemokami kreditai (0,10 USD), kai užsiregistruojate naudodami Google

Galima naudoti 24 valandų po registracijos, iki 5 paleidimų per dieną ir daugiausia 2 kreditų per paleidimą. Kiti prisijungimo būdai pradedami be kreditų.

Apie ESM-2 650M (Protein Embeddings)

TrumpaiNuo 2026 m. rugsėjo 23 d.

ESM-2 650M (Protein Embeddings) yra Meta modelis iš Embeddings kategorijos. ESM-2 650M (Protein Embeddings) šiuo metu nėra prieinamas per Railwail. Konteksto langas saugo 1 024 žetonų.

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.

Kainos

Šiuo metu nepasiekiama. Šiuo metu šiam modeliui nėra nustatytos kainos, todėl jo negalima paleisti.

API

Iškvieskite ESM-2 650M (Protein Embeddings) naudodami savo Railwail API raktą. Šioje užklausoje naudokite šią modelio ID:

esm2-650m-protein-embeddingsPeržiūrėti API dokumentaciją Gauti API raktą

Šiuo metu nepasiekiama

Modelis neturi patikrintos kainos arba yra išjungtas; API skambučiai atmetami.

Specifikacijos

Modelio ID: esm2-650m-protein-embeddings
Kūrėjas: Meta
Kategorija: Embeddings
Įvestis: Tekstas
Išvestis: Vektorius
Konteksto langas: 1 024 žetonų
Katalogo įrašas atnaujintas: 2026 m. rugsėjo 23 d.

Įvesties parametrai

Įvestys ir nustatymai iš modelio įvesties schemos. API sekcijoje pateiktas pavyzdys rodo, kuriuos iš jų priima API.

ParametrasTipasNumatytasisLeidžiamos reikšmės

inputsprivalomas
Amino-acid sequence (single-letter codes) to embed
Tipas: Tekstas
Numatytasis: –
Leidžiamos reikšmės: iki 1 024 simbolių

Žymos

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Panaudojimo atvejai

Susiję vadovai

Embedding Models for Search & Science

Visi Embeddings modeliai

Dažnai užduodami klausimai

Kas yra ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) yra Meta modelis iš Embeddings kategorijos. Jis yra Railwail kataloge, tačiau šiuo metu negali būti paleistas.

Kiek kainuoja ESM-2 650M (Protein Embeddings) Railwail?

ESM-2 650M (Protein Embeddings) šiuo metu negali būti paleistas Railwail, todėl nėra dabartinės kainos. Toliau šiame puslapyje pateikiamos galimos alternatyvos su kainomis.

Koks yra ESM-2 650M (Protein Embeddings) konteksto langas?

ESM-2 650M (Protein Embeddings) konteksto langas saugo 1 024 žetonų.

Koks yra ESM-2 650M (Protein Embeddings) greitis?

ESM-2 650M (Protein Embeddings) Railwail platformoje dar nėra pakankamai išmatuotų vykdymų, kad būtų galima nurodyti vykdymo laiką. Jis priklauso nuo įvesties, nustatymų ir teikėjo apkrovos.

Ar ESM-2 650M (Protein Embeddings) geriau nei OpenAI text-embedding-3-large?

Tai priklauso nuo užduoties. ESM-2 650M (Protein Embeddings) (Meta) ir OpenAI text-embedding-3-large (OpenAI) yra abu modeliai iš Embeddings kategorijos. Palyginimo puslapyje jų kainos ir specifikacijos rodomos viena šalia kitos.

Palyginti ESM-2 650M (Protein Embeddings) ir OpenAI text-embedding-3-large

Ar dabar galiu naudoti ESM-2 650M (Protein Embeddings)?

Šiuo metu nepasiekiama. Puslapis lieka aktyvus; toliau pateikiamos galimos alternatyvos iš tos pačios kategorijos.

Visi modeliai per vieną API

Vienas API raktas visiems Railwail modeliams. Naudojimas apmokestinamas iš iš anksto nupirktų kreditų, 1 kreditas = 0,01 USD.

Gauti API raktą Peržiūrėti visų modelių