SciBERT (scivocab uncased)

EmbeddingsIkke tilgjengelig

av 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.

Se alternativer Sammenlign

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

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased) og OpenAI text-embedding-3-small

Playground

Prøv SciBERT (scivocab uncased)

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

Scientific text 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 SciBERT (scivocab uncased)

Kort sagtPer 23. september 2026

SciBERT (scivocab uncased) er en modell fra Community i kategorien Embeddings. SciBERT (scivocab uncased) er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 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.

Priser

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

API

Ring SciBERT (scivocab uncased) med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

scibert-scivocab-uncasedAPI-dokumentasjon Få en API-nøkkel

Ikke tilgjengelig for øyeblikket

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

Spesifikasjoner

Modell-ID: scibert-scivocab-uncased
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
Scientific text to embed
Type: Tekst
Standard: –
Tillatte verdier: opptil 4 000 tegn

Merkelapper

science
embedding
research
huggingface
scibert
allenai
biomedical
bert

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er SciBERT (scivocab uncased)?

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

Hvor mye koster SciBERT (scivocab uncased) på Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Kontekstvinduet til SciBERT (scivocab uncased) inneholder 512 tokens.

Hvor rask er SciBERT (scivocab uncased)?

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

Er SciBERT (scivocab uncased) bedre enn OpenAI text-embedding-3-large?

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

Sammenlign SciBERT (scivocab uncased) og OpenAI text-embedding-3-large

Kan jeg bruke SciBERT (scivocab uncased) 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