SPECTER (Scientific Paper Embeddings)

EmbeddingsIkke tilgjengelig

av 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.

Se alternativer Sammenlign

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

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

Playground

Prøv SPECTER (Scientific Paper Embeddings)

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

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

Kort sagtPer 23. september 2026

SPECTER (Scientific Paper Embeddings) er en modell fra Community i kategorien Embeddings. SPECTER (Scientific Paper Embeddings) er for øyeblikket ikke tilgjengelig på Railwail. Kontekstvinduet inneholder 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.

Priser

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

API

Ring SPECTER (Scientific Paper Embeddings) med din Railwail API-nøkkel. Bruk denne modell-IDen i forespørselen:

specter-scientific-paper-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: specter-scientific-paper-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
Paper title and abstract (or any scientific text) to embed
Type: Tekst
Standard: –
Tillatte verdier: opptil 4 000 tegn

Merkelapper

science
embedding
research
huggingface
specter
allenai
scientific-papers
citation

Brukstilfeller

Relaterte veiledninger

Embedding Models for Search & Science

Alle modeller i Embeddings

Ofte stilte spørsmål

Hva er SPECTER (Scientific Paper Embeddings)?

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

Hvor mye koster SPECTER (Scientific Paper Embeddings) på Railwail?

SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings)?

Kontekstvinduet til SPECTER (Scientific Paper Embeddings) inneholder 512 tokens.

Hvor rask er SPECTER (Scientific Paper Embeddings)?

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

Er SPECTER (Scientific Paper Embeddings) bedre enn OpenAI text-embedding-3-large?

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

Sammenlign SPECTER (Scientific Paper Embeddings) og OpenAI text-embedding-3-large

Kan jeg bruke SPECTER (Scientific Paper 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