ESM-2 650M (Protein Embeddings)

EmbeddingsInte tillgänglig

av 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.

Se alternativ Jämför

Status: Inte tillgänglig
Kontext: 1 024 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: Meta
Uppdaterad: 23 september 2026

ESM-2 650M (Protein Embeddings) är för närvarande otillgänglig

Du kan fortfarande läsa detaljerna på denna sida. Välj ett av de tillgängliga alternativen nedan för att köra en jämförbar modell direkt.

Gå till alternativ

Jämförbara modeller

Alla i denna kategori

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 US$/1M in
Jämför ESM-2 650M (Protein Embeddings) och OpenAI text-embedding-3-large
OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 US$/1M in
Jämför ESM-2 650M (Protein Embeddings) och OpenAI text-embedding-3-small

Playground

Prova ESM-2 650M (Protein Embeddings)

Inmatning & resultat

Inte tillgänglig för närvarande

Inte tillgänglig för närvarande.

Lekplatsen är inaktiverad. Du hittar jämförbara modeller i samma kategori: Visa alternativ

Protein Sequence

0 / 1 024

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

Jämför med (valfritt)

Kör modellen två gånger (faktureras två gånger).

⌘/Ctrl + Enter

Resultat

Vektorn visas här.

Denna körning

Inget pris – för närvarande otillgängligt.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.

Om ESM-2 650M (Protein Embeddings)

Kort sagtFrån och med 23 september 2026

ESM-2 650M (Protein Embeddings) är en modell av Meta i kategorin Embeddings. ESM-2 650M (Protein Embeddings) är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 1 024 tokens.

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.

Priser

Inte tillgänglig för närvarande. Det finns ingen pris för denna modell för närvarande, så den kan inte köras.

API

Anropa ESM-2 650M (Protein Embeddings) med din Railwail API-nyckel. Använd detta modell-ID i begäran:

esm2-650m-protein-embeddingsAPI-dokumentation Hämta API-nyckel

För närvarande otillgänglig

Modellen har inget verifierat pris eller är inaktiverad; API-anrop avvisas.

Specifikationer

Modell-ID: esm2-650m-protein-embeddings
Utvecklare: Meta
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 1 024 tokens
Kataloginlägg uppdaterat: 23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

inputsobligatorisk
Amino-acid sequence (single-letter codes) to embed
Typ: Text
Standard: –
Tillåtna värden: upp till 1 024 tecken

Taggar

science
embedding
research
huggingface
esm2
protein
meta
bioinformatics

Användningsfall

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) är en modell av Meta i kategorin Embeddings. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar ESM-2 650M (Protein Embeddings) på Railwail?

ESM-2 650M (Protein Embeddings) kan inte köras på Railwail för närvarande, så det finns inget aktuellt pris. Tillgängliga alternativ med priser visas längre ned på denna sida.

Hur stort är kontextfönstret för ESM-2 650M (Protein Embeddings)?

Kontextfönstret för ESM-2 650M (Protein Embeddings) innehåller 1 024 tokens.

Hur snabb är ESM-2 650M (Protein Embeddings)?

Det finns ännu inte tillräckligt många uppmätta körningar av ESM-2 650M (Protein Embeddings) på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är ESM-2 650M (Protein Embeddings) bättre än OpenAI text-embedding-3-large?

Det beror på uppgiften. ESM-2 650M (Protein Embeddings) (Meta) och OpenAI text-embedding-3-large (OpenAI) är båda modeller i kategorin Embeddings. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför ESM-2 650M (Protein Embeddings) och OpenAI text-embedding-3-large

Kan jag använda ESM-2 650M (Protein Embeddings) just nu?

Inte tillgänglig för närvarande. Sidan förblir online; tillgängliga alternativ från samma kategori visas längre ned.

Alla modeller via ett API

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller