BioBERT v1.2 (Biomedical Embeddings)

EmbeddingsNav pieejams

no Communitybiobert-base-cased-v1-2

DMIS-Lab (Korea University) BERT-base initialized from English BERT and further pretrained on PubMed abstracts. Used as a feature extractor it yields 768-dim contextual embeddings tuned for biomedical text mining tasks such as NER, relation extraction and biomedical question answering.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 512 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: Community
Atjaunināts: 2026. gada 23. septembris

BioBERT v1.2 (Biomedical Embeddings) pašlaik nav pieejams

Jūs joprojām varat lasīt detaļas šajā lapā. Izvēlieties vienu no pieejamajām alternatīvām zemāk, lai uzreiz palaistu salīdzināmu modeli.

Uz alternatīvām

Salīdzināmi modeļi

Visi šajā kategorijā

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 $/1M ievade
Salīdzināt BioBERT v1.2 (Biomedical Embeddings) un 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 $/1M ievade
Salīdzināt BioBERT v1.2 (Biomedical Embeddings) un OpenAI text-embedding-3-small

Spēļu laukums

Izmēģiniet BioBERT v1.2 (Biomedical Embeddings)

Ievade un rezultāts

Pašlaik nav pieejams

Pašlaik nav pieejams.

Spēļu laukums ir atspējots. Salīdzināmus modeļus varat atrast vienā kategorijā: Skatīt alternatīvas

Text

0 / 4000

Biomedical text to embed

Salīdzināt ar (neobligāti)

Palaiž modeli divas reizes (norēķināts divas reizes).

⌘/Ctrl + Enter

Rezultāts

Vektors parādīsies šeit.

Šis palaišanas gadījums

Nav cenas – pašlaik nav pieejams.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par BioBERT v1.2 (Biomedical Embeddings)

ĪsumāUz 2026. gada 23. septembris

BioBERT v1.2 (Biomedical Embeddings) ir Community modelis kategorijā Embeddings. BioBERT v1.2 (Biomedical Embeddings) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 512 žetonus.

BioBERT continues pretraining of the cased English BERT-base model on large biomedical corpora (PubMed abstracts), keeping the original vocabulary so it stays compatible with general-domain BERT while gaining biomedical knowledge. Version 1.2 is the cased release maintained by DMIS-Lab. It was one of the first domain-adapted BERTs and remains a standard baseline for biomedical NLP. Served through Hugging Face with the feature-extraction pipeline, returning token-level hidden states; pool them for sentence or document embeddings.

Cenas

Pašlaik nav pieejams. Šim modelim pašlaik nav cenas, tāpēc to nevar palaist.

API

Izsauciet BioBERT v1.2 (Biomedical Embeddings) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

biobert-base-cased-v1-2API dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

Modelim nav pārbaudītas cenas vai tas ir deaktivizēts; API izsaukumi tiek noraidīti.

Specifikācijas

Modeļa ID: biobert-base-cased-v1-2
Izstrādātājs: Community
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 512 marķieri
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

inputsobligāts
Biomedical text to embed
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 4000 rakstzīmēm

Tagi

science
embedding
research
huggingface
biobert
biomedical
medical
bert

Lietošanas gadījumi

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

Kas ir BioBERT v1.2 (Biomedical Embeddings)?

BioBERT v1.2 (Biomedical Embeddings) ir Community izstrādāts modelis Embeddings kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā BioBERT v1.2 (Biomedical Embeddings) Railwail?

BioBERT v1.2 (Biomedical Embeddings) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir BioBERT v1.2 (Biomedical Embeddings) konteksta logs?

BioBERT v1.2 (Biomedical Embeddings) konteksta logs satur 512 žetonus.

Cik ātrs ir BioBERT v1.2 (Biomedical Embeddings)?

Railwail platformā BioBERT v1.2 (Biomedical Embeddings) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai BioBERT v1.2 (Biomedical Embeddings) ir labāks par OpenAI text-embedding-3-large?

Tas ir atkarīgs no uzdevuma. BioBERT v1.2 (Biomedical Embeddings) (Community) un OpenAI text-embedding-3-large (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt BioBERT v1.2 (Biomedical Embeddings) un OpenAI text-embedding-3-large

Vai es varu izmantot BioBERT v1.2 (Biomedical Embeddings) tieši tagad?

Pašlaik nav pieejams. Lapa paliek tiešsaistē; pieejamās alternatīvas no vienas kategorijas ir norādītas tālāk.

Visi modeļi caur vienu API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus