This is a ColBERT model finetuned from google/bert_uncased_L-2_H-128_A-2 on the msmarco-bm25 dataset. It maps sentences & paragraphs to sequences of 128-dimensional dense vectors and can be used for semantic textual similarity using the MaxSim operator. This model is primarily designed for unit tests in limited compute environments such as GitHub Actions. But it does work to an extent for basic use cases. As of Sentence Transformers v6.0.0, this model loads directly as a multi-vector (ColBERT-style late interaction) retriever via the `MultiVectorEncoder`:

번역 대기 중 · 원문 표시

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

fasttext

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

fasttext-quantized

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

gemma-4-tiny-random-litert-lm

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

분류 준비 중

입력 미확인→ 출력 미확인

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

gliner-bert-tiny

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

텍스트 분석

입력 텍스트→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

glove-6B

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

glove-6B-quantized

NeuML

This model is an export of these GloVe-6B English Vectors (_300d_) for `staticvectors`. `staticvectors` enables running inference in Python with NumPy. This helps it maintain solid runtime performance. _This model is a quantized version of the base model. It's using 10x256 Product Quantization._

번역 대기 중 · 원문 표시

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

language-id-quantized

NeuML

This model is an export of this FastText Language Identification model for `staticvectors`. `staticvectors` enables running inference in Python with NumPy. This helps it maintain solid runtime performance. Language detection is an important task and identification with n-gram models is an efficient and highly accurate way to do it. _This model is a quantized version of the base language id model. It's using 2x256 Product Quantization like the original quantized model from FastText. This shrinks this model down to 4MB with only a minor hit on accuracy._

번역 대기 중 · 원문 표시

텍스트 분석

입력 텍스트→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

ljspeech-jets-onnx

NeuML

This model can also be run directly with ONNX provided the input text is tokenized. Tokenization can be done with ttstokenizer. Note that the txtai pipeline has additional functionality such as batching large inputs together that would need to be duplicated with this method.

번역 대기 중 · 원문 표시

음성 합성

입력 텍스트→ 출력 오디오

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pubmedbert-base-embeddings

NeuML

This is a PubMedBERT-base model fined-tuned using sentence-transformers. It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search. The training dataset was generated using a random sample of PubMed title-abstract pairs along with similar title pairs. PubMedBERT Embeddings produces higher quality embeddings than generalized models for medical literature. Further fine-tuning for a medical subdomain will result in even better performance. This model can be used to build embeddings databases with txtai for semantic search and/or as a knowledge source for retrieval augmented generation (RAG).

번역 대기 중 · 원문 표시

텍스트 분석오픈 웨이트

입력 텍스트→ 출력 텍스트

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pubmedbert-base-embeddings-100K

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pubmedbert-base-embeddings-500K

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pubmedbert-base-embeddings-8M

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

기본 정보 등록 · 상세 정보 보완 예정

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pubmedbert-base-embeddings-matryoshka

NeuML

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

pylate-bert-tiny

NeuML

This is a PyLate model finetuned from google/bert_uncased_L-2_H-128_A-2 on the msmarco-bm25 dataset. It maps sentences & paragraphs to sequences of 128-dimensional dense vectors and can be used for semantic textual similarity using the MaxSim operator. This model is primarily designed for unit tests in limited compute environments such as GitHub Actions. But it does work to an extent for basic use cases.

번역 대기 중 · 원문 표시

임베딩과 유사도

입력 텍스트→ 출력 임베딩

요금 미확인멀티모달 및 채널 요금 별도 확인

자세히 보기 ↗

비교 추가출처 / 문서 ↗

COST EXPLORER

좋은 모델, 명확한 비용.

비용 분석

월간 토큰 사용량으로 예상 API 비용을 비교하세요.

월간 입력 토큰 10 M월간 출력 토큰 2 M1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교

수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.

MODEL HANDBOOK

이해하고 선택하세요

선택 가이드 및 FAQ

API 요금은 어떻게 비교하나요?+

입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.

오픈 웨이트는 무료 상업 이용을 뜻하나요?+

반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.

1위 모델이 나에게 가장 적합한가요?+

순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.

나에게 맞는 AI 모델을 찾아보세요.

AI 모델 탐색 29

bert-hash-nano-embeddings-litert

bert-small-cord19qa

bert-tiny-prompts

bert-tiny-sts-last-pooling

bioclinical-modernbert-base-embeddings

biomedbert-base-embeddings

biomedbert-base-reranker

biomedbert-hash-nano-embeddings

biomedbert-small-embeddings

colbert-bert-tiny

fasttext

fasttext-quantized

gemma-4-tiny-random-litert-lm

gliner-bert-tiny

glove-6B

glove-6B-quantized

language-id-quantized

ljspeech-jets-onnx

pubmedbert-base-embeddings

pubmedbert-base-embeddings-100K

pubmedbert-base-embeddings-500K

pubmedbert-base-embeddings-8M

pubmedbert-base-embeddings-matryoshka

pylate-bert-tiny

일치하는 모델 없음

좋은 모델, 명확한 비용.

이해하고 선택하세요

뉴스로 흐름을, 도구로 효율을, 모델로 가능성을.