SciBERT (scivocab uncased)

EmbeddingiNiedostępne

od 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.

Zobacz alternatywy Porównaj

Status: Niedostępne
Kontekst: 512 tokenów
Wejście → Wyjście: Tekst → Wektor
Deweloper: Community
Zaktualizowano: 23 września 2026

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

Playground

Spróbuj SciBERT (scivocab uncased)

Wejście i wyjście

Niedostępny

Obecnie niedostępne.

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

Text

0 / 4000

Scientific text 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 SciBERT (scivocab uncased)

Krótko mówiącStan na 23 września 2026

SciBERT (scivocab uncased) to model opracowany przez Community w kategorii Embeddingi. SciBERT (scivocab uncased) nie jest obecnie dostępny w serwisie Railwail. Okno kontekstu zawiera 512 tokenów.

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.

Ceny

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

API

Wywołaj SciBERT (scivocab uncased) za pomocą klucza API Railwail. Użyj tego ID modelu w żądaniu:

scibert-scivocab-uncasedDokumentacja API Uzyskaj klucz API

Obecnie niedostępne

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

Specyfikacje

ID modelu: scibert-scivocab-uncased
Deweloper: Community
Kategoria: Embeddingi
Wejście: Tekst
Wyjście: Wektor
Okno kontekstu: 512 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
Scientific text to embed
Typ: Tekst
Domyślnie: –
Dozwolone wartości: do 4000 znaków

Tagi

science
embedding
research
huggingface
scibert
allenai
biomedical
bert

Przypadki użycia

Powiązane przewodniki

Embedding Models for Search & Science

Wszystkie modele w Embeddingi

Często zadawane pytania

Co to jest SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) to model opracowany przez Community w kategorii Embeddingi. Jest wymieniony w katalogu Railwail, ale nie może być uruchomiony w tej chwili.

Ile kosztuje SciBERT (scivocab uncased) w serwisie Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Okno kontekstu SciBERT (scivocab uncased) zawiera 512 tokenów.

Jak szybki jest SciBERT (scivocab uncased)?

Dla SciBERT (scivocab uncased) jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.

Czy SciBERT (scivocab uncased) jest lepszy niż OpenAI text-embedding-3-large?

To zależy od zadania. SciBERT (scivocab uncased) (Community) i OpenAI text-embedding-3-large (OpenAI) to oba modele z kategorii Embeddingi. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.

Porównaj SciBERT (scivocab uncased) i OpenAI text-embedding-3-large

Czy mogę używać SciBERT (scivocab uncased) 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