ESM-2 650M (Protein Embeddings)

EmbeddingiNiedostępne

od 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.

Zobacz alternatywy Porównaj

Status: Niedostępne
Kontekst: 1024 tokenów
Wejście → Wyjście: Tekst → Wektor
Deweloper: Meta
Zaktualizowano: 23 września 2026

ESM-2 650M (Protein Embeddings) jest obecnie niedostępny

Możesz nadal przeczytać szczegóły na tej stronie. Wybierz jedną z dostępnych alternatyw poniżej, aby od razu uruchomić porównywalny model.

Przejdź do alternatyw

Porównywalne modele

Wszystkie w tej kategorii

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 wej.
Porównaj ESM-2 650M (Protein Embeddings) i 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 wej.
Porównaj ESM-2 650M (Protein Embeddings) i OpenAI text-embedding-3-small

Playground

Spróbuj ESM-2 650M (Protein Embeddings)

Wejście i wyjście

Niedostępny

Obecnie niedostępne.

Plac zabaw jest wyłączony. Porównywalne modele znajdziesz w tej samej kategorii: Przeglądaj alternatywy

Protein Sequence

0 / 1024

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

Porównaj z (opcjonalnie)

Uruchamia model dwa razy (rozliczane dwa razy).

⌘/Ctrl + Enter

Wynik

Wektor pojawi się tutaj.

To uruchomienie

Brak ceny – obecnie niedostępne.

Nowy tutaj?

10 darmowych kredytów (0,10 USD) po zarejestrowaniu się przez Google

Dostępne 24 godzin po rejestracji, do 5 uruchomień dziennie i maksymalnie 2 kredytów na uruchomienie. Inne metody logowania uruchamiają się bez kredytów.

O ESM-2 650M (Protein Embeddings)

Krótko mówiącStan na 23 września 2026

ESM-2 650M (Protein Embeddings) to model opracowany przez Meta w kategorii Embeddingi. ESM-2 650M (Protein Embeddings) nie jest obecnie dostępny w serwisie Railwail. Okno kontekstu zawiera 1024 tokenów.

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.

Ceny

Obecnie niedostępne. Dla tego modelu nie ma ceny w tej chwili, dlatego nie można go uruchomić.

API

Wywołaj ESM-2 650M (Protein Embeddings) za pomocą klucza API Railwail. Użyj tego ID modelu w żądaniu:

esm2-650m-protein-embeddingsDokumentacja API Uzyskaj klucz API

Obecnie niedostępne

Model nie ma zweryfikowanej ceny lub jest wyłączony; wywołania API są odrzucane.

Specyfikacje

ID modelu: esm2-650m-protein-embeddings
Deweloper: Meta
Kategoria: Embeddingi
Wejście: Tekst
Wyjście: Wektor
Okno kontekstu: 1024 tokenów
Wpis w katalogu zaktualizowany: 23 września 2026

Parametry wejściowe

Dane wejściowe i ustawienia ze schematu wejściowego modelu. Przykład w sekcji API pokazuje, które z nich API akceptuje.

ParametrTypDomyślnieDozwolone wartości

inputswymagane
Amino-acid sequence (single-letter codes) to embed
Typ: Tekst
Domyślnie: –
Dozwolone wartości: do 1024 znaków

Tagi

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Przypadki użycia

Powiązane przewodniki

Embedding Models for Search & Science

Wszystkie modele w Embeddingi

Często zadawane pytania

Co to jest ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) to model opracowany przez Meta w kategorii Embeddingi. Jest wymieniony w katalogu Railwail, ale nie może być uruchomiony w tej chwili.

Ile kosztuje ESM-2 650M (Protein Embeddings) w serwisie Railwail?

ESM-2 650M (Protein Embeddings) nie może być uruchomiony w serwisie Railwail w tej chwili, dlatego nie ma aktualnej ceny. Dostępne alternatywy z cenami są wymienione poniżej na tej stronie.

Jakie jest okno kontekstu ESM-2 650M (Protein Embeddings)?

Okno kontekstu ESM-2 650M (Protein Embeddings) zawiera 1024 tokenów.

Jak szybki jest ESM-2 650M (Protein Embeddings)?

Dla ESM-2 650M (Protein Embeddings) jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.

Czy ESM-2 650M (Protein Embeddings) jest lepszy niż OpenAI text-embedding-3-large?

To zależy od zadania. ESM-2 650M (Protein Embeddings) (Meta) i OpenAI text-embedding-3-large (OpenAI) to oba modele z kategorii Embeddingi. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.

Porównaj ESM-2 650M (Protein Embeddings) i OpenAI text-embedding-3-large

Czy mogę używać ESM-2 650M (Protein Embeddings) teraz?

Obecnie niedostępne. Strona pozostaje online; dostępne alternatywy z tej samej kategorii są wymienione poniżej.

Wszystkie modele przez jedno API

Jeden klucz API dla każdego modelu na Railwail. Opłaty pobierane są z przedpłaconych kredytów, 1 kredyt = 0,01 USD.

Pobierz klucz API Przeglądaj wszystkie modele