SciBERT (scivocab uncased)

EmbeddingsНедоступно

від 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.

Переглянути альтернативи Порівняти

Статус: Недоступно
Контекст: 512 токенів
Вхід → вихід: Текст → Вектор
Розробник: Community
Оновлено: 23 вересня 2026 р.

SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased) 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 SciBERT (scivocab uncased) та OpenAI text-embedding-3-small

Playground

Спробувати SciBERT (scivocab uncased)

Введення та результат

Наразі недоступна

Наразі недоступно.

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

Text

0 / 4 000

Scientific text 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 SciBERT (scivocab uncased)

КороткоСтаном на 23 вересня 2026 р.

SciBERT (scivocab uncased) — це модель від Community у категорії Embeddings. На Railwail SciBERT (scivocab uncased) наразі недоступна. Контекстне вікно містить 512 токенів.

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.

Ціни

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

API

Викличте SciBERT (scivocab uncased) за допомогою вашого API-ключа Railwail. Використовуйте цей ID моделі в запиті:

scibert-scivocab-uncasedДокументація API Отримати API-ключ

Наразі недоступно

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

Характеристики

ID моделі: scibert-scivocab-uncased
Розробник: Community
Категорія: Embeddings
Вхідні дані: Текст
Вихідні дані: Вектор
Контекстне вікно: 512 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
Scientific text to embed
Тип: Текст
За замовчуванням: –
Допустимі значення: до 4 000 символів

Варіанти використання

Відповідні посібники

Embedding Models for Search & Science

Усі моделі в Embeddings

Часті питання

Що таке SciBERT (scivocab uncased)?

SciBERT (scivocab uncased) — це модель від Community у категорії Embeddings. Вона внесена до каталогу Railwail, але наразі не може бути запущена.

Скільки коштує SciBERT (scivocab uncased) на Railwail?

SciBERT (scivocab uncased) наразі не можна запустити на Railwail, тому поточної ціни немає. Доступні альтернативи з цінами наведені далі на цій сторінці.

Яке контекстне вікно у SciBERT (scivocab uncased)?

Контекстне вікно SciBERT (scivocab uncased) містить 512 токенів.

Наскільки швидкий SciBERT (scivocab uncased)?

На Railwail поки що недостатньо виміряних запусків SciBERT (scivocab uncased), щоб вказати час виконання. Це залежить від введення, налаштувань та навантаження у постачальника.

Чи SciBERT (scivocab uncased) краще за OpenAI text-embedding-3-large?

Це залежить від завдання. SciBERT (scivocab uncased) (Community) і OpenAI text-embedding-3-large (OpenAI) — обидві моделі в категорії Embeddings. На сторінці порівняння показані їхні ціни та специфікації поруч.

Порівняти SciBERT (scivocab uncased) і OpenAI text-embedding-3-large

Чи можу я використовувати SciBERT (scivocab uncased) 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