SPECTER (Scientific Paper Embeddings)

EmbeddingsNiet beschikbaar

van Communityspecter-scientific-paper-embeddings

AllenAI document-level embedding model for scientific papers. Built on SciBERT and trained on the citation graph so that papers citing each other land close together. Feed it a title plus abstract and it returns one 768-dim vector per paper, useful for recommendation, clustering and citation-based retrieval.

Alternatieven bekijken Vergelijken

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

SPECTER (Scientific Paper 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
SPECTER (Scientific Paper 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
SPECTER (Scientific Paper Embeddings) en OpenAI text-embedding-3-small vergelijken

Playground

SPECTER (Scientific Paper Embeddings) 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

Paper title and abstract (or any 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 SPECTER (Scientific Paper Embeddings)

SamengevatPer 23 september 2026

SPECTER (Scientific Paper Embeddings) is een model van Community in de categorie Embeddings. SPECTER (Scientific Paper Embeddings) is momenteel niet beschikbaar op Railwail. Het contextvenster bevat 512 tokens.

SPECTER from the Allen Institute for AI produces a single embedding per scientific document instead of per-token vectors. It was pretrained on a triplet objective over the Semantic Scholar citation graph, so the distance between two paper embeddings reflects topical and citation relatedness rather than just lexical overlap. The standard input is the paper title and abstract joined together. Served through Hugging Face with the feature-extraction pipeline; take the [CLS] token vector (768 dims) as the document embedding.

Prijzen

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

API

Roep SPECTER (Scientific Paper Embeddings) aan met je Railwail API-sleutel. Gebruik deze model-ID in het verzoek:

specter-scientific-paper-embeddingsAPI-documentatie API-sleutel ophalen

Momenteel niet beschikbaar

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

Specificaties

Model-ID: specter-scientific-paper-embeddings
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
Paper title and abstract (or any 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 SPECTER (Scientific Paper Embeddings)?

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

Hoeveel kost SPECTER (Scientific Paper Embeddings) op Railwail?

SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings)?

Het contextvenster van SPECTER (Scientific Paper Embeddings) bevat 512 tokens.

Hoe snel is SPECTER (Scientific Paper Embeddings)?

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

Is SPECTER (Scientific Paper Embeddings) beter dan OpenAI text-embedding-3-large?

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

SPECTER (Scientific Paper Embeddings) en OpenAI text-embedding-3-large vergelijken

Kan ik SPECTER (Scientific Paper 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