ESM-2 650M (Protein Embeddings)

EmbeddingsNiet beschikbaar

van 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.

Alternatieven bekijken Vergelijken

Status: Niet beschikbaar
Context: 1.024 tokens
Invoer → Uitvoer: Tekst → Vector
Ontwikkelaar: Meta
Bijgewerkt: 23 september 2026

ESM-2 650M (Protein Embeddings) is momenteel niet beschikbaar

Je kunt de details op deze pagina nog steeds lezen. Kies een van de beschikbare alternatieven hieronder om direct een vergelijkbaar model uit te voeren.

Naar alternatieven

Vergelijkbare modellen

Alle in deze categorie

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.
US$ 0,156/1M in
ESM-2 650M (Protein Embeddings) en OpenAI text-embedding-3-large vergelijken
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.
US$ 0,024/1M in
ESM-2 650M (Protein Embeddings) en OpenAI text-embedding-3-small vergelijken

Playground

ESM-2 650M (Protein Embeddings) proberen

Invoer & resultaat

Momenteel niet beschikbaar

Momenteel niet beschikbaar.

De playground is uitgeschakeld. Vergelijkbare modellen vind je in dezelfde categorie: Alternatieven bekijken

Protein Sequence

0 / 1.024

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

Vergelijken met (optioneel)

Voert het model twee keer uit (twee keer berekend).

⌘/Ctrl + Enter

Resultaat

De vector verschijnt hier.

Deze uitvoering

Geen prijs – momenteel niet beschikbaar.

Nieuw hier?

10 gratis credits (US$ 0,10) wanneer je je aanmeldt met Google

Bruikbaar 24 uur na aanmelding, tot 5 uitvoeringen per dag en maximaal 2 credits per uitvoering. Andere aanmeldmethoden starten zonder credits.

Over ESM-2 650M (Protein Embeddings)

SamengevatPer 23 september 2026

ESM-2 650M (Protein Embeddings) is een model van Meta in de categorie Embeddings. ESM-2 650M (Protein Embeddings) is momenteel niet beschikbaar op Railwail. Het contextvenster bevat 1.024 tokens.

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.

Prijzen

Momenteel niet beschikbaar. Er is momenteel geen prijs voor dit model, dus het kan niet worden uitgevoerd.

API

Roep ESM-2 650M (Protein Embeddings) aan met je Railwail API-sleutel. Gebruik deze model-ID in het verzoek:

esm2-650m-protein-embeddingsAPI-documentatie API-sleutel ophalen

Momenteel niet beschikbaar

Het model heeft geen geverifieerde prijs of is gedeactiveerd; API-aanroepen worden geweigerd.

Specificaties

Model-ID: esm2-650m-protein-embeddings
Ontwikkelaar: Meta
Categorie: Embeddings
Invoer: Tekst
Uitvoer: Vector
Contextvenster: 1.024 tokens
Catalogusitem bijgewerkt: 23 september 2026

Invoerparameters

Invoeren en instellingen uit het invoerschema van het model. Het voorbeeld in de API-sectie toont welke daarvan de API accepteert.

ParameterTypeStandaardToegestane waarden

inputsVerplicht
Amino-acid sequence (single-letter codes) to embed
Type: Tekst
Standaard: –
Toegestane waarden: tot 1.024 tekens

Gebruiksscenario's

Gerelateerde handleidingen

Embedding Models for Search & Science

Alle modellen in Embeddings

Veelgestelde vragen

Wat is ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) is een model van Meta in de categorie Embeddings. Het staat in de Railwail-catalogus, maar kan momenteel niet worden uitgevoerd.

Hoeveel kost ESM-2 650M (Protein Embeddings) op Railwail?

ESM-2 650M (Protein Embeddings) kan momenteel niet op Railwail worden uitgevoerd, dus er is geen huidige prijs. Beschikbare alternatieven met prijzen staan verderop op deze pagina.

Wat is het contextvenster van ESM-2 650M (Protein Embeddings)?

Het contextvenster van ESM-2 650M (Protein Embeddings) bevat 1.024 tokens.

Hoe snel is ESM-2 650M (Protein Embeddings)?

Er zijn nog niet genoeg gemeten runs van ESM-2 650M (Protein Embeddings) op Railwail om een uitvoeringstijd op te geven. Dit hangt af van de invoer, de instellingen en de belasting bij de provider.

Is ESM-2 650M (Protein Embeddings) beter dan OpenAI text-embedding-3-large?

Dat hangt van de taak af. ESM-2 650M (Protein Embeddings) (Meta) en OpenAI text-embedding-3-large (OpenAI) zijn beide modellen in de categorie Embeddings. De vergelijkingspagina toont hun prijzen en specificaties naast elkaar.

ESM-2 650M (Protein Embeddings) en OpenAI text-embedding-3-large vergelijken

Kan ik ESM-2 650M (Protein Embeddings) nu gebruiken?

Momenteel niet beschikbaar. De pagina blijft online; beschikbare alternatieven uit dezelfde categorie staan verderop.

Alle modellen via één API

Één API-sleutel voor elk model op Railwail. Gebruik wordt afgerekend via vooraf gekochte credits, 1 credit = US$ 0,01.

API-sleutel ophalen Alle modellen bekijken