ESM-2 650M (Protein Embeddings)

EmbeddingsIkke tilgjengelig

av 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.

Se alternativer Sammenlign

Status: Ikke tilgjengelig
Kontekst: 1 024 tokens
Input → output: Tekst → Vektor
Utvikler: Meta
Oppdatert: 23. september 2026

ESM-2 650M (Protein Embeddings) er for øyeblikket utilgjengelig

Du kan fortsatt lese detaljene på denne siden. Velg ett av de tilgjengelige alternativene nedenfor for å kjøre en sammenlignbar modell med en gang.

Gå til alternativer

Sammenlignbare modeller

Alle i denne kategorien

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 USD/1M inn
Sammenlign ESM-2 650M (Protein Embeddings) og 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 USD/1M inn
Sammenlign ESM-2 650M (Protein Embeddings) og OpenAI text-embedding-3-small

Playground

Prøv ESM-2 650M (Protein Embeddings)

Inndata og resultat

Ikke tilgjengelig for øyeblikket

Ikke tilgjengelig for øyeblikket.

Lekeplassen er deaktivert. Du finner sammenlignbare modeller i samme kategori: Se alternativer

Protein Sequence

0 / 1 024

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

Sammenlign med (valgfritt)

Kjører modellen to ganger (fakturert to ganger).

⌘/Ctrl + Enter

Resultat

Vektoren vises her.

Denne kjøringen

Ingen pris – ikke tilgjengelig for øyeblikket.

Ny her?

10 gratis credits (0,10 USD) når du registrerer deg med Google

Kan brukes 24 timer etter registrering, opptil 5 kjøringer per dag og maksimalt 2 credits per kjøring. Andre påloggingsmetoder starter uten credits.

Om ESM-2 650M (Protein Embeddings)

Kort sagtPer 23. september 2026

ESM-2 650M (Protein Embeddings) er en modell fra Meta i kategorien Embeddings. ESM-2 650M (Protein Embeddings) er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 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.

Priser

Ikke tilgjengelig for øyeblikket. Det er ingen pris for denne modellen for øyeblikket, så den kan ikke kjøres.

API

Ring ESM-2 650M (Protein Embeddings) med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

esm2-650m-protein-embeddingsAPI-dokumentasjon Få en API-nøkkel

Ikke tilgjengelig for øyeblikket

Modellen har ingen verifisert pris eller er deaktivert; API-kall blir avvist.

Spesifikasjoner

Modell-ID: esm2-650m-protein-embeddings
Utvikler: Meta
Kategori: Embeddings
Inndata: Tekst
Utdata: Vektor
Kontekstvindu: 1 024 tokens
Katalogoppføring oppdatert: 23. september 2026

Inndataparametere

Inndataer og innstillinger fra modellens inndataskjema. Eksemplet i API-delen viser hvilke av dem APIen godtar.

ParameterTypeStandardTillatte verdier

inputsobligatorisk
Amino-acid sequence (single-letter codes) to embed
Type: Tekst
Standard: –
Tillatte verdier: opptil 1 024 tegn

Merkelapper

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) er en modell fra Meta i kategorien Embeddings. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster ESM-2 650M (Protein Embeddings) på Railwail?

ESM-2 650M (Protein Embeddings) kan ikke kjøres på Railwail for øyeblikket, så det finnes ingen gjeldende pris. Tilgjengelige alternativer med priser er oppført lenger ned på denne siden.

Hvor stort er kontekstvinduet til ESM-2 650M (Protein Embeddings)?

Kontekstvinduet til ESM-2 650M (Protein Embeddings) inneholder 1 024 tokens.

Hvor rask er ESM-2 650M (Protein Embeddings)?

Det finnes ennå ikke nok målte kjøringer av ESM-2 650M (Protein Embeddings) på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er ESM-2 650M (Protein Embeddings) bedre enn OpenAI text-embedding-3-large?

Det avhenger av oppgaven. ESM-2 650M (Protein Embeddings) (Meta) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign ESM-2 650M (Protein Embeddings) og OpenAI text-embedding-3-large

Kan jeg bruke ESM-2 650M (Protein Embeddings) akkurat nå?

Ikke tilgjengelig for øyeblikket. Siden forblir online; tilgjengelige alternativer fra samme kategori er oppført lenger ned.

Alle modeller gjennom én API

Én API-nøkkel for alle modeller på Railwail. Bruk belastes fra forhåndsbetalt kreditt, 1 kreditt = 0,01 USD.

Få API-nøkkel Se alle modeller