PubMedBERT Embeddings (NeuML)

EmbeddingsIkke tilgjengelig

av Communitypubmedbert-base-embeddings

Sentence-transformers model fine-tuned from Microsoft PubMedBERT on PubMed title-abstract pairs by the NeuML team. Produces 768-dim sentence embeddings tuned for biomedical semantic search and similarity, and is the embedding backbone behind the paperai and txtai medical search tools.

Se alternativer Sammenlign

Status: Ikke tilgjengelig
Kontekst: 512 tokens
Input → output: Tekst → Vektor
Utvikler: Community
Oppdatert: 23. september 2026

PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML) og OpenAI text-embedding-3-small

Playground

Prøv PubMedBERT Embeddings (NeuML)

Inndata og resultat

Ikke tilgjengelig for øyeblikket

Ikke tilgjengelig for øyeblikket.

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

Text

0 / 4 000

Biomedical sentence or passage 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 PubMedBERT Embeddings (NeuML)

Kort sagtPer 23. september 2026

PubMedBERT Embeddings (NeuML) er en modell fra Community i kategorien Embeddings. PubMedBERT Embeddings (NeuML) er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 512 tokens.

This model takes Microsoft's PubMedBERT, which was pretrained from scratch on PubMed abstracts and PMC full text, and fine-tunes it with a sentence-transformers objective on PubMed title-abstract pairs. The result maps biomedical sentences and short passages into a 768-dim space where cosine similarity reflects clinical and biomedical relatedness. It is widely used for retrieval over medical literature. Served via the Hugging Face feature-extraction pipeline; mean-pool the token outputs to obtain the sentence embedding.

Priser

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

API

Ring PubMedBERT Embeddings (NeuML) med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

pubmedbert-base-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: pubmedbert-base-embeddings
Utvikler: Community
Kategori: Embeddings
Inndata: Tekst
Utdata: Vektor
Kontekstvindu: 512 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
Biomedical sentence or passage to embed
Type: Tekst
Standard: –
Tillatte verdier: opptil 4 000 tegn

Merkelapper

science
embedding
research
huggingface
pubmedbert
biomedical
medical
sentence-transformers

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er PubMedBERT Embeddings (NeuML)?

PubMedBERT Embeddings (NeuML) er en modell fra Community i kategorien Embeddings. Den er oppført på Railwail, men kan ikke kjøres for øyeblikket.

Hvor mye koster PubMedBERT Embeddings (NeuML) på Railwail?

PubMedBERT Embeddings (NeuML) 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 PubMedBERT Embeddings (NeuML)?

Kontekstvinduet til PubMedBERT Embeddings (NeuML) inneholder 512 tokens.

Hvor rask er PubMedBERT Embeddings (NeuML)?

Det finnes ennå ikke nok målte kjøringer av PubMedBERT Embeddings (NeuML) på Railwail til å angi en kjøretid. Det avhenger av inndataene, innstillingene og belastningen hos leverandøren.

Er PubMedBERT Embeddings (NeuML) bedre enn OpenAI text-embedding-3-large?

Det avhenger av oppgaven. PubMedBERT Embeddings (NeuML) (Community) og OpenAI text-embedding-3-large (OpenAI) er begge modeller i kategorien Embeddings. Sammenligningssiden viser prisene og spesifikasjonene deres side ved side.

Sammenlign PubMedBERT Embeddings (NeuML) og OpenAI text-embedding-3-large

Kan jeg bruke PubMedBERT Embeddings (NeuML) 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