SciBERT (scivocab uncased)

EmbeddingsNo disponible

de Communityscibert-scivocab-uncased

AllenAI BERT-base pretrained from scratch on 1.14M scientific papers (mostly biomedical and computer science) with its own scientific WordPiece vocabulary. Used as a feature extractor it gives 768-dim contextual embeddings tuned to scientific text, outperforming general BERT on tasks like NER and relation extraction in research corpora.

Ver alternativas Comparar

Estado: No disponible
Contexto: 512 tokens
Entrada → Salida: Texto → Vector
Desarrollador: Community
Actualizado: 23 de septiembre de 2026

SciBERT (scivocab uncased) no está disponible en este momento

Puedes seguir leyendo los detalles en esta página. Elige una de las alternativas disponibles abajo para ejecutar un modelo comparable de inmediato.

Ir a alternativas

Modelos comparables

Todos en esta categoría

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.
USD 0.156/1M entrada
Comparar SciBERT (scivocab uncased) vs. 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.
USD 0.024/1M entrada
Comparar SciBERT (scivocab uncased) vs. OpenAI text-embedding-3-small

Playground

Probar SciBERT (scivocab uncased)

Entrada y salida

No disponible actualmente

Actualmente no disponible.

El área de pruebas está desactivada. Encuentra modelos comparables en la misma categoría: Explorar alternativas

Text

0 / 4,000

Scientific text to embed

Comparar con (opcional)

Ejecuta el modelo dos veces (se factura dos veces).

⌘/Ctrl + Intro

Resultado

El vector aparece aquí.

Esta ejecución

Sin precio – actualmente no disponible.

¿Nuevo aquí?

10 créditos gratis (USD 0.10) cuando te registras con Google

Utilizable 24 horas después del registro, hasta 5 ejecuciones por día y como máximo 2 créditos por ejecución. Otros métodos de inicio de sesión comienzan sin créditos.

Acerca de SciBERT (scivocab uncased)

ResumenA partir de 23 de septiembre de 2026

SciBERT (scivocab uncased) es un modelo de Community en la categoría Embeddings. SciBERT (scivocab uncased) no está disponible en Railwail en este momento. La ventana de contexto contiene 512 tokens.

SciBERT is a BERT-base model trained on a large corpus of full-text scientific papers from Semantic Scholar. Unlike vanilla BERT it uses scivocab, a WordPiece vocabulary built directly from scientific text, which improves token coverage for domain terminology. This scivocab-uncased checkpoint is the most downloaded variant. Through the Hugging Face feature-extraction pipeline it returns token-level hidden states; mean-pool or take the [CLS] vector for sentence or document embeddings in scientific search and classification pipelines.

Precios

Actualmente no disponible. No hay precio para este modelo en este momento, por lo que no se puede ejecutar.

API

Llama a SciBERT (scivocab uncased) con tu clave de API de Railwail. Usa este ID de modelo en la solicitud:

scibert-scivocab-uncasedDocumentación de API Obtener una clave de API

Actualmente no disponible

El modelo no tiene un precio verificado o está desactivado; las llamadas a la API se rechazan.

Especificaciones

ID del modelo: scibert-scivocab-uncased
Desarrollador: Community
Categoría: Embeddings
Entrada: Texto
Salida: Vector
Ventana de contexto: 512 tokens
Entrada del catálogo actualizada: 23 de septiembre de 2026

Parámetros de entrada

Entradas y configuraciones del esquema de entrada del modelo. El ejemplo en la sección API muestra cuáles de ellas acepta la API.

ParámetroTipoPredeterminadoValores permitidos

inputsrequerido
Scientific text to embed
Tipo: Texto
Predeterminado: –
Valores permitidos: hasta 4,000 caracteres

Casos de uso

Guías relacionadas

Embedding Models for Search & Science

Todos los modelos en Embeddings

Preguntas frecuentes

¿Qué es SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) es un modelo de Community en la categoría Embeddings. Está listado en Railwail pero no se puede ejecutar en este momento.

¿Cuánto cuesta SciBERT (scivocab uncased) en Railwail?

SciBERT (scivocab uncased) no se puede ejecutar en Railwail en este momento, por lo que no hay precio actual. Las alternativas disponibles con precios se enumeran más abajo en esta página.

¿Cuál es la ventana de contexto de SciBERT (scivocab uncased)?

La ventana de contexto de SciBERT (scivocab uncased) contiene 512 tokens.

¿Qué tan rápido es SciBERT (scivocab uncased)?

Aún no hay suficientes ejecuciones medidas de SciBERT (scivocab uncased) en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.

¿Es SciBERT (scivocab uncased) mejor que OpenAI text-embedding-3-large?

Eso depende de la tarea. SciBERT (scivocab uncased) (Community) y OpenAI text-embedding-3-large (OpenAI) son ambos modelos en la categoría Embeddings. La página de comparación muestra sus precios y especificaciones lado a lado.

Comparar SciBERT (scivocab uncased) y OpenAI text-embedding-3-large

¿Puedo usar SciBERT (scivocab uncased) ahora mismo?

Actualmente no disponible. La página permanece en línea; las alternativas disponibles de la misma categoría se enumeran más abajo.

Todos los modelos a través de una API

Una clave API para todos los modelos en Railwail. El uso se cobra con créditos prepagados, 1 crédito = USD 0.01.

Obtener clave API Explorar todos los modelos