ESM-2 650M (Protein Embeddings)

EmbeddingsNav pieejams

no 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.

Skatīt alternatīvas Salīdzināt

Statuss: Nav pieejams
Konteksts: 1024 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: Meta
Atjaunināts: 2026. gada 23. septembris

ESM-2 650M (Protein 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 ESM-2 650M (Protein 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 ESM-2 650M (Protein Embeddings) un OpenAI text-embedding-3-small

Spēļu laukums

Izmēģiniet ESM-2 650M (Protein Embeddings)

Ievade un rezultāts

Pašlaik nav pieejams

Pašlaik nav pieejams.

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

Protein Sequence

0 / 1024

Amino-acid sequence (single-letter codes) 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 ESM-2 650M (Protein Embeddings)

ĪsumāUz 2026. gada 23. septembris

ESM-2 650M (Protein Embeddings) ir Meta modelis kategorijā Embeddings. ESM-2 650M (Protein Embeddings) pašlaik nav pieejams Railwail platformā. Konteksta logs satur 1024 žetonus.

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.

Cenas

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

API

Izsauciet ESM-2 650M (Protein Embeddings) ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

esm2-650m-protein-embeddingsAPI dokumentācija Iegūt API atslēgu

Pašlaik nav pieejams

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

Specifikācijas

Modeļa ID: esm2-650m-protein-embeddings
Izstrādātājs: Meta
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 1024 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
Amino-acid sequence (single-letter codes) to embed
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 1024 rakstzīmēm

Tagi

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Lietošanas gadījumi

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

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

ESM-2 650M (Protein Embeddings) ir Meta izstrādāts modelis Embeddings kategorijā. Tas ir uzskaitīts Railwail katalogā, bet pašlaik to nevar palaist.

Cik maksā ESM-2 650M (Protein Embeddings) Railwail?

ESM-2 650M (Protein Embeddings) pašlaik nevar tikt palaists Railwail, tāpēc nav pašreizējās cenas. Pieejamās alternatīvas ar cenām ir norādītas tālāk šajā lapā.

Kāds ir ESM-2 650M (Protein Embeddings) konteksta logs?

ESM-2 650M (Protein Embeddings) konteksta logs satur 1024 žetonus.

Cik ātrs ir ESM-2 650M (Protein Embeddings)?

Railwail platformā ESM-2 650M (Protein Embeddings) vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai ESM-2 650M (Protein Embeddings) ir labāks par OpenAI text-embedding-3-large?

Tas ir atkarīgs no uzdevuma. ESM-2 650M (Protein Embeddings) (Meta) un OpenAI text-embedding-3-large (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt ESM-2 650M (Protein Embeddings) un OpenAI text-embedding-3-large

Vai es varu izmantot ESM-2 650M (Protein 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