SciBERT (scivocab uncased)

EmbeddingsNiet beschikbaar

van 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.

Alternatieven bekijken Vergelijken

Status: Niet beschikbaar
Context: 512 tokens
Invoer → Uitvoer: Tekst → Vector
Ontwikkelaar: Community
Bijgewerkt: 23 september 2026

SciBERT (scivocab uncased) 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
SciBERT (scivocab uncased) 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
SciBERT (scivocab uncased) en OpenAI text-embedding-3-small vergelijken

Playground

SciBERT (scivocab uncased) proberen

Invoer & resultaat

Momenteel niet beschikbaar

Momenteel niet beschikbaar.

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

Text

0 / 4.000

Scientific text 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 SciBERT (scivocab uncased)

SamengevatPer 23 september 2026

SciBERT (scivocab uncased) is een model van Community in de categorie Embeddings. SciBERT (scivocab uncased) is momenteel niet beschikbaar op Railwail. Het contextvenster bevat 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.

Prijzen

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

API

Roep SciBERT (scivocab uncased) aan met je Railwail API-sleutel. Gebruik deze model-ID in het verzoek:

scibert-scivocab-uncasedAPI-documentatie API-sleutel ophalen

Momenteel niet beschikbaar

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

Specificaties

Model-ID: scibert-scivocab-uncased
Ontwikkelaar: Community
Categorie: Embeddings
Invoer: Tekst
Uitvoer: Vector
Contextvenster: 512 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
Scientific text to embed
Type: Tekst
Standaard: –
Toegestane waarden: tot 4.000 tekens

Gebruiksscenario's

Gerelateerde handleidingen

Embedding Models for Search & Science

Alle modellen in Embeddings

Veelgestelde vragen

Wat is SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) is een model van Community in de categorie Embeddings. Het staat in de Railwail-catalogus, maar kan momenteel niet worden uitgevoerd.

Hoeveel kost SciBERT (scivocab uncased) op Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Het contextvenster van SciBERT (scivocab uncased) bevat 512 tokens.

Hoe snel is SciBERT (scivocab uncased)?

Er zijn nog niet genoeg gemeten runs van SciBERT (scivocab uncased) op Railwail om een uitvoeringstijd op te geven. Dit hangt af van de invoer, de instellingen en de belasting bij de provider.

Is SciBERT (scivocab uncased) beter dan OpenAI text-embedding-3-large?

Dat hangt van de taak af. SciBERT (scivocab uncased) (Community) en OpenAI text-embedding-3-large (OpenAI) zijn beide modellen in de categorie Embeddings. De vergelijkingspagina toont hun prijzen en specificaties naast elkaar.

SciBERT (scivocab uncased) en OpenAI text-embedding-3-large vergelijken

Kan ik SciBERT (scivocab uncased) 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