ESM-2 650M (Protein Embeddings)

EmbeddingsНедоступно

від 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.

Переглянути альтернативи Порівняти

Статус: Недоступно
Контекст: 1 024 токенів
Вхід → вихід: Текст → Вектор
Розробник: Meta
Оновлено: 23 вересня 2026 р.

ESM-2 650M (Protein Embeddings) наразі недоступна

Ви можете прочитати деталі на цій сторінці. Виберіть одну з доступних альтернатив нижче, щоб одразу запустити порівняну модель.

До альтернатив

Порівнювані моделі

Усі в цій категорії

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 вх
Порівняти ESM-2 650M (Protein Embeddings) та 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 вх
Порівняти ESM-2 650M (Protein Embeddings) та OpenAI text-embedding-3-small

Playground

Спробувати ESM-2 650M (Protein Embeddings)

Введення та результат

Наразі недоступна

Наразі недоступно.

Playground вимкнено. Порівняльні моделі ви знайдете в тій же категорії: Переглянути альтернативи

Protein Sequence

0 / 1 024

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

Порівняти з (необов'язково)

Запускає модель двічі (виставляється рахунок двічі).

⌘/Ctrl + Enter

Результат

Вектор з'явиться тут.

Цей запуск

Без ціни – наразі недоступно.

Новенький?

10 безплатних кредитів (0,10 USD) при реєстрації через Google

Доступно 24 годин після реєстрації, до 5 запусків на день і максимум 2 кредитів за запуск. Інші способи входу стартують без кредитів.

Про ESM-2 650M (Protein Embeddings)

КороткоСтаном на 23 вересня 2026 р.

ESM-2 650M (Protein Embeddings) — це модель від Meta у категорії Embeddings. На Railwail ESM-2 650M (Protein Embeddings) наразі недоступна. Контекстне вікно містить 1 024 токенів.

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.

Ціни

Наразі недоступно. Наразі для цієї моделі немає ціни, тому її не можна запустити.

API

Викличте ESM-2 650M (Protein Embeddings) за допомогою вашого API-ключа Railwail. Використовуйте цей ID моделі в запиті:

esm2-650m-protein-embeddingsДокументація API Отримати API-ключ

Наразі недоступно

Модель не має перевіреної ціни або деактивована; виклики API відхиляються.

Характеристики

ID моделі: esm2-650m-protein-embeddings
Розробник: Meta
Категорія: Embeddings
Вхідні дані: Текст
Вихідні дані: Вектор
Контекстне вікно: 1 024 токенів
Запис у каталозі оновлено: 23 вересня 2026 р.

Вхідні параметри

Вхідні дані та налаштування зі схеми вхідних даних моделі. Приклад у розділі API показує, які з них приймає API.

ПараметрТипЗа замовчуваннямДопустимі значення

inputsобов'язково
Amino-acid sequence (single-letter codes) to embed
Тип: Текст
За замовчуванням: –
Допустимі значення: до 1 024 символів

Варіанти використання

Відповідні посібники

Embedding Models for Search & Science

Усі моделі в Embeddings

Часті питання

Що таке ESM-2 650M (Protein Embeddings)?

ESM-2 650M (Protein Embeddings) — це модель від Meta у категорії Embeddings. Вона внесена до каталогу Railwail, але наразі не може бути запущена.

Скільки коштує ESM-2 650M (Protein Embeddings) на Railwail?

ESM-2 650M (Protein Embeddings) наразі не можна запустити на Railwail, тому поточної ціни немає. Доступні альтернативи з цінами наведені далі на цій сторінці.

Яке контекстне вікно у ESM-2 650M (Protein Embeddings)?

Контекстне вікно ESM-2 650M (Protein Embeddings) містить 1 024 токенів.

Наскільки швидкий ESM-2 650M (Protein Embeddings)?

На Railwail поки що недостатньо виміряних запусків ESM-2 650M (Protein Embeddings), щоб вказати час виконання. Це залежить від введення, налаштувань та навантаження у постачальника.

Чи ESM-2 650M (Protein Embeddings) краще за OpenAI text-embedding-3-large?

Це залежить від завдання. ESM-2 650M (Protein Embeddings) (Meta) і OpenAI text-embedding-3-large (OpenAI) — обидві моделі в категорії Embeddings. На сторінці порівняння показані їхні ціни та специфікації поруч.

Порівняти ESM-2 650M (Protein Embeddings) і OpenAI text-embedding-3-large

Чи можу я використовувати ESM-2 650M (Protein Embeddings) прямо зараз?

Наразі недоступно. Сторінка залишається в мережі; доступні альтернативи з тієї ж категорії наведені далі.

Усі моделі через один API

Один API-ключ для всіх моделей на Railwail. Використання оплачується з попередньо поповнених кредитів, 1 кредит = 0,01 USD.

Отримати API-ключ Переглянути всі моделі