SPECTER (Scientific Paper Embeddings)

EmbeddingsInte tillgänglig

av Communityspecter-scientific-paper-embeddings

AllenAI document-level embedding model for scientific papers. Built on SciBERT and trained on the citation graph so that papers citing each other land close together. Feed it a title plus abstract and it returns one 768-dim vector per paper, useful for recommendation, clustering and citation-based retrieval.

Se alternativ Jämför

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

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

Playground

Prova SPECTER (Scientific Paper Embeddings)

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

Paper title and abstract (or any 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 SPECTER (Scientific Paper Embeddings)

Kort sagtFrån och med 23 september 2026

SPECTER (Scientific Paper Embeddings) är en modell av Community i kategorin Embeddings. SPECTER (Scientific Paper Embeddings) är för närvarande inte tillgänglig på Railwail. Kontextfönstret innehåller 512 tokens.

SPECTER from the Allen Institute for AI produces a single embedding per scientific document instead of per-token vectors. It was pretrained on a triplet objective over the Semantic Scholar citation graph, so the distance between two paper embeddings reflects topical and citation relatedness rather than just lexical overlap. The standard input is the paper title and abstract joined together. Served through Hugging Face with the feature-extraction pipeline; take the [CLS] token vector (768 dims) as the document embedding.

Priser

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

API

Anropa SPECTER (Scientific Paper Embeddings) med din Railwail API-nyckel. Använd detta modell-ID i begäran:

specter-scientific-paper-embeddingsAPI-dokumentation Hämta API-nyckel

För närvarande otillgänglig

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

Specifikationer

Modell-ID: specter-scientific-paper-embeddings
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
Paper title and abstract (or any scientific text) to embed
Typ: Text
Standard: –
Tillåtna värden: upp till 4 000 tecken

Taggar

science
embedding
research
huggingface
specter
allenai
scientific-papers
citation

Användningsfall

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är SPECTER (Scientific Paper Embeddings)?

SPECTER (Scientific Paper Embeddings) är en modell av Community i kategorin Embeddings. Den finns i Railwail-katalogen men kan inte köras för närvarande.

Vad kostar SPECTER (Scientific Paper Embeddings) på Railwail?

SPECTER (Scientific Paper 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 SPECTER (Scientific Paper Embeddings)?

Kontextfönstret för SPECTER (Scientific Paper Embeddings) innehåller 512 tokens.

Hur snabb är SPECTER (Scientific Paper Embeddings)?

Det finns ännu inte tillräckligt många uppmätta körningar av SPECTER (Scientific Paper Embeddings) på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är SPECTER (Scientific Paper Embeddings) bättre än OpenAI text-embedding-3-large?

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

Jämför SPECTER (Scientific Paper Embeddings) och OpenAI text-embedding-3-large

Kan jag använda SPECTER (Scientific Paper 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