PubMedBERT Embeddings (NeuML)

EmbeddingsNije dostupno

od Communitypubmedbert-base-embeddings

Sentence-transformers model fine-tuned from Microsoft PubMedBERT on PubMed title-abstract pairs by the NeuML team. Produces 768-dim sentence embeddings tuned for biomedical semantic search and similarity, and is the embedding backbone behind the paperai and txtai medical search tools.

Pogledaj alternative Usporedi

Status: Nije dostupno
Kontekst: 512 tokena
Ulaz → izlaz: Tekst → Vektor
Razvojni inženjer: Community
Ažurirano: 23. septembar 2026.

PubMedBERT Embeddings (NeuML) trenutno nije dostupan

Možeš i dalje pročitati detalje na ovoj stranici. Odaberi jednu od dostupnih alternativa ispod kako bi odmah pokrenuo usporediv model.

Idi na alternative

Usporedivi modeli

Svi u ovoj kategoriji

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 US$/1M in
Usporedi PubMedBERT Embeddings (NeuML) i OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Usporedi PubMedBERT Embeddings (NeuML) i OpenAI text-embedding-3-small

Playground

Isprobaj PubMedBERT Embeddings (NeuML)

Unos i rezultat

Trenutno nije dostupno

Trenutno nedostupno.

Playground je onemogućen. Usporedive modele možete pronaći u istoj kategoriji: Pogledaj alternative

Text

0 / 4.000

Biomedical sentence or passage to embed

Usporedi s (opcionalno)

Pokreće model dva puta (naplaćuje se dva puta).

⌘/Ctrl + Enter

Rezultat

Vektor se pojavljuje ovdje.

Ovaj pokus

Nema cijene – trenutno nije dostupno.

Novi si ovdje?

10 besplatnih kredita (0,10 US$) kada se registriraš s Googlom

Dostupno 24 sati nakon registracije, do 5 pokusa dnevno i najviše 2 kredita po pokusu. Ostale metode prijave počinju bez kredita.

O PubMedBERT Embeddings (NeuML)

UkratkoStanje: 23. septembar 2026.

PubMedBERT Embeddings (NeuML) je model od Community iz kategorije Embeddings. PubMedBERT Embeddings (NeuML) trenutno nije dostupan na Railwailu. Kontekstni prozor sadrži 512 tokena.

This model takes Microsoft's PubMedBERT, which was pretrained from scratch on PubMed abstracts and PMC full text, and fine-tunes it with a sentence-transformers objective on PubMed title-abstract pairs. The result maps biomedical sentences and short passages into a 768-dim space where cosine similarity reflects clinical and biomedical relatedness. It is widely used for retrieval over medical literature. Served via the Hugging Face feature-extraction pipeline; mean-pool the token outputs to obtain the sentence embedding.

Cijene

Trenutno nedostupno. Za ovaj model trenutno nema cijene, pa se ne može pokrenuti.

API

Pozovi PubMedBERT Embeddings (NeuML) sa svojim Railwail API ključem. Koristi ovaj ID modela u zahtjevu:

pubmedbert-base-embeddingsPogledaj API dokumentaciju Dobij API ključ

Trenutno nije dostupno

Model nema provjeren cijenu ili je deaktiviran; API pozivi se odbijaju.

Specifikacije

ID modela: pubmedbert-base-embeddings
Razvojni inženjer: Community
Kategorija: Embeddings
Ulaz: Tekst
Izlaz: Vektor
Kontekstni prozor: 512 tokena
Katalog ažuriran: 23. septembar 2026.

Parametri ulaza

Ulazi i postavke iz sheme ulaza modela. Primjer u odjeljku API pokazuje koje od njih API prihvaća.

ParametarTipZadanoDozvoljene vrijednosti

inputsobavezno
Biomedical sentence or passage to embed
Tip: Tekst
Zadano: –
Dozvoljene vrijednosti: do 4.000 znakova

Oznake

science
embedding
research
huggingface
pubmedbert
biomedical
medical
sentence-transformers

Primjena

Povezani vodiči

Embedding Models for Search & Science

Svi modeli: Embeddings

Često postavljana pitanja

Što je PubMedBERT Embeddings (NeuML)?

PubMedBERT Embeddings (NeuML) je model od Community iz kategorije Embeddings. Naveden je na Railwailu, ali se trenutno ne može pokrenuti.

Koliko stoji PubMedBERT Embeddings (NeuML) na Railwailu?

PubMedBERT Embeddings (NeuML) se trenutno ne može pokrenuti na Railwailu, pa nema trenutne cijene. Dostupne alternative s cijenama navedene su dalje na ovoj stranici.

Koliki je kontekstni prozor od PubMedBERT Embeddings (NeuML)?

Kontekstni prozor od PubMedBERT Embeddings (NeuML) sadrži 512 tokena.

Koliko je brz PubMedBERT Embeddings (NeuML)?

Za PubMedBERT Embeddings (NeuML) na Railwailu još nema dovoljno izmjerenih pokretanja da bi se navedlo vrijeme izvršavanja. Ovisi o unošenju, postavkama i opterećenju kod pružatelja.

Je li PubMedBERT Embeddings (NeuML) bolji od OpenAI text-embedding-3-large?

To ovisi o zadatku. PubMedBERT Embeddings (NeuML) (Community) i OpenAI text-embedding-3-large (OpenAI) su oba modela iz kategorije Embeddings. Stranica za usporedbu prikazuje njihove cijene i specifikacije usporedno.

Usporedi PubMedBERT Embeddings (NeuML) i OpenAI text-embedding-3-large

Mogu li koristiti PubMedBERT Embeddings (NeuML) sada?

Trenutno nedostupno. Stranica ostaje dostupna; dostupne alternative iz iste kategorije navedene su dalje.

Svi modeli preko jednog API-ja

Jedan API ključ za sve modele na Railwailu. Korištenje se naplaćuje iz unaprijed plaćenih kredita, 1 kredit = 0,01 US$.

Dobij API ključ Pogledaj sve modele