SciBERT (scivocab uncased)

EmbeddingsInte tillgänglig

av 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.

Se alternativ Jämför

Status: Inte tillgänglig
Kontext: 512 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: Community
Uppdaterad: 23 september 2026

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

Playground

Prova SciBERT (scivocab uncased)

Inmatning & resultat

Inte tillgänglig för närvarande

Inte tillgänglig för närvarande.

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

Text

0 / 4 000

Scientific text 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 SciBERT (scivocab uncased)

Kort sagtFrån och med 23 september 2026

SciBERT (scivocab uncased) är en modell av Community i kategorin Embeddings. SciBERT (scivocab uncased) är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 512 tokens.

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.

Priser

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

API

Anropa SciBERT (scivocab uncased) med din Railwail API-nyckel. Använd detta modell-ID i begäran:

scibert-scivocab-uncasedAPI-dokumentation Hämta API-nyckel

För närvarande otillgänglig

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

Specifikationer

Modell-ID: scibert-scivocab-uncased
Utvecklare: Community
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 512 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
Scientific text to embed
Typ: Text
Standard: –
Tillåtna värden: upp till 4 000 tecken

Taggar

science
embedding
research
huggingface
scibert
allenai
biomedical
bert

Användningsfall

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) är en modell av Community i kategorin Embeddings. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar SciBERT (scivocab uncased) på Railwail?

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased)?

Kontextfönstret för SciBERT (scivocab uncased) innehåller 512 tokens.

Hur snabb är SciBERT (scivocab uncased)?

Det finns ännu inte tillräckligt många uppmätta körningar av SciBERT (scivocab uncased) på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är SciBERT (scivocab uncased) bättre än OpenAI text-embedding-3-large?

Det beror på uppgiften. SciBERT (scivocab uncased) (Community) och OpenAI text-embedding-3-large (OpenAI) är båda modeller i kategorin Embeddings. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför SciBERT (scivocab uncased) och OpenAI text-embedding-3-large

Kan jag använda SciBERT (scivocab uncased) 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