all-mpnet-base-v2
sentence-transformers familia all-mpnet
Our model is intented to be used as a sentence and short paragraph encoder. Given an input text, it outputs a vector which captures
también conocido como sentence-transformers/all-mpnet-base-v2
Para qué sirve
Cita textual de la model card del creador: no es una paráfrasis del Atlas.
- This is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.
Para qué NO sirve
Sin restricciones declaradas por el creador. La ausencia de una advertencia no es una garantía.
Ficha técnica
| Entrada | text |
|---|---|
| Salida | embedding |
| Arquitectura | MPNetForMaskedLM |
| Parámetros | 109.49M |
| Parámetros activos | desconocido |
| Ventana de contexto | desconocido |
| Idiomas | en |
Acceso y despliegue
| Despliegue | Pesos descargables |
|---|---|
| IDs de API | desconocido |
| Proveedores | desconocido |
Que un modelo sea descargable no implica que su licencia permita usarlo comercialmente.
Licencia
verificada el 11 oct 2026| Identificador | apache-2.0 |
|---|---|
| Pesos descargables | Sí |
| Código fuente | desconocido |
| Uso comercial | Sí |
| Redistribución | Sí |
| Modificación | Sí |
Fuente de la licencia: https://huggingface.co/sentence-transformers/all-mpnet-base-v2
Precios
Los precios de API cambian sin aviso: se revisan cada 30 díasNo hay precios verificados para este registro. Puede ser un modelo sin servicio de pago propio, o simplemente no haber fuente primaria publicada con tarifa: no inventamos una cifra.
Evaluación
Dos resultados solo son comparables si comparten protocolo y conjunto de datos. Cuando no es el caso, el Atlas lo dice en lugar de calcular una media.
Sin resultados de evaluación verificados en fuente primaria. No se publica un número que no podamos citar.
Fuentes de esta ficha
- model_card Hugging Face model card: sentence-transformers/all-mpnet-base-v2 recuperada el 11 oct 2026
Programa Engineer
Saber qué es all-mpnet-base-v2 no es saber usarlo
Elegir el modelo es el 10 % del trabajo. El resto es integrarlo, medirlo, controlar el coste y gobernar los datos. Eso es lo que se aprende en IAcademy.
¿Por qué se usa aquí? En RAG, el modelo de embeddings y el reranker deciden la calidad de la respuesta más que el modelo generador.
Lo que cambia
- De saber qué existe a saber cómo usarlo en tu trabajo.
- Del catálogo general a una decisión con coste, licencia y privacidad justificados.
- Prácticas y laboratorios, no solo lectura.