SciBERT (scivocab uncased)

EmbeddingsIndisponibil

de 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.

Vezi alternative Compară

Status: Indisponibil
Context: 512 tokeni
Intrare → ieșire: Text → Vector
Dezvoltator: Community
Actualizat: 23 septembrie 2026

SciBERT (scivocab uncased) nu este disponibil în acest moment

Poți citi în continuare detaliile pe această pagină. Alege una dintre alternativele disponibile de mai jos pentru a rula imediat un model comparabil.

Mergi la alternative

Modele comparabile

Toate din această categorie

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 in
Compară SciBERT (scivocab uncased) vs. 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 in
Compară SciBERT (scivocab uncased) vs. OpenAI text-embedding-3-small

Playground

Încearcă SciBERT (scivocab uncased)

Intrare & rezultat

Indisponibil în prezent

Indisponibil în prezent.

Playground-ul este dezactivat. Modele comparabile găsești în aceeași categorie: Vezi alternativele

Text

0 / 4.000

Scientific text to embed

Compară cu (opțional)

Execută modelul de două ori (facturat de două ori).

⌘/Ctrl + Enter

Rezultat

Vectorul apare aici.

Această rulare

Fără preț – momentan indisponibil.

Nou aici?

10 credite gratuite (0,10 USD) când te înregistrezi cu Google

Utilizabil 24 ore după înregistrare, până la 5 rulări pe zi și maximum 2 credite pe rulare. Alte metode de conectare încep fără credite.

Despre SciBERT (scivocab uncased)

Pe scurtDin 23 septembrie 2026

SciBERT (scivocab uncased) este un model de Community din categoria Embeddings. SciBERT (scivocab uncased) nu este disponibil în prezent pe Railwail. Fereastra de context conține 512 token-uri.

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.

Prețuri

Indisponibil în prezent. Nu există preț pentru acest model în acest moment, deci nu poate fi executat.

API

Apelează SciBERT (scivocab uncased) cu cheia ta API Railwail. Folosește acest ID de model în cerere:

scibert-scivocab-uncasedDocumentația API Obține o cheie API

Indisponibil în prezent

Modelul nu are un preț verificat sau este dezactivat; apelurile API sunt refuzate.

Specificații

ID model: scibert-scivocab-uncased
Dezvoltator: Community
Categorie: Embeddings
Intrare: Text
Ieșire: Vector
Fereastră de context: 512 tokeni
Intrare catalog actualizată: 23 septembrie 2026

Parametri de intrare

Intrări și setări din schema de intrare a modelului. Exemplul din secțiunea API arată care dintre ele acceptă API-ul.

ParametruTipImplicitValori permise

inputsobligatoriu
Scientific text to embed
Tip: Text
Implicit: –
Valori permise: până la 4.000 caractere

Etichete

science
embedding
research
huggingface
scibert
allenai
biomedical
bert

Cazuri de utilizare

Ghiduri conexe

Embedding Models for Search & Science

Toate modelele din Embeddings

Întrebări frecvente

Ce este SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) este un model de Community din categoria Embeddings. Este listat pe Railwail, dar nu poate fi rulat în acest moment.

Cât costă SciBERT (scivocab uncased) pe Railwail?

SciBERT (scivocab uncased) nu poate fi rulat pe Railwail în acest moment, deci nu există preț curent. Alternativele disponibile cu prețuri sunt listate mai jos pe această pagină.

Care este fereastra de context a SciBERT (scivocab uncased)?

Fereastra de context a SciBERT (scivocab uncased) conține 512 token-uri.

Cât de rapid este SciBERT (scivocab uncased)?

Nu sunt suficiente rulări măsurate ale SciBERT (scivocab uncased) pe Railwail încă pentru a indica un timp de rulare. Depinde de intrare, de setări și de sarcina la furnizor.

Este SciBERT (scivocab uncased) mai bun decât OpenAI text-embedding-3-large?

Depinde de sarcină. SciBERT (scivocab uncased) (Community) și OpenAI text-embedding-3-large (OpenAI) sunt ambele modele din categoria Embeddings. Pagina de comparație arată prețurile și specificațiile lor una lângă alta.

Compară SciBERT (scivocab uncased) și OpenAI text-embedding-3-large

Pot folosi SciBERT (scivocab uncased) chiar acum?

Indisponibil în prezent. Pagina rămâne online; alternativele disponibile din aceeași categorie sunt listate mai jos.

Toate modelele printr-o singură API

O cheie API pentru fiecare model pe Railwail. Utilizarea se percepe din credite prepay, 1 credit = 0,01 USD.

Obține cheie API Vizualizează toate modelele