sentence-transformers
Sentence Transformers: multi-qa-mpnet-base-dot-v1
sentence-transformers/multi-qa-mpnet-base-dot-v1
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
OpenRouter y la ficha del modelo describen sentence-transformers/multi-qa-mpnet-base-dot-v1 como un modelo sentence-transformers de texto a embeddings que convierte oraciones y parrafos en un espacio vectorial denso de 768 dimensiones para busqueda semantica. La ficha indica que se ajusto con unos 215M de pares pregunta-respuesta de fuentes diversas, usa pooling CLS y se puntua con producto punto, no con similitud coseno normalizada. Este paquete no incluye resultados de benchmarks.[1][2]
Puntos fuertes
- Segun las fuentes: produce embeddings de 768 dimensiones para oraciones y parrafos orientados a busqueda semantica y recuperacion QA.[1][2]
- La ficha reporta ajuste con aproximadamente 215M de pares pregunta-respuesta procedentes de conjuntos de datos variados.[2]
- El uso documentado cubre sentence-transformers, Hugging Face Transformers y Text Embeddings Inference.[2]
Limitaciones
- Las entradas se limitan a 512 word pieces y la ficha senala que el entrenamiento uso texto de hasta 250 word pieces, por lo que pasajes largos pueden rendir peor.[1][2]
- La ficha indica que los embeddings no estan normalizados y recomienda puntuar con producto punto; no se deben asumir expectativas de coseno normalizado.[2]
- La evidencia es solo de catalogo y ficha: no se aportaron resultados medidos de recuperacion, asi que conviene validar la calidad en la carga real.[1][2]
Dónde utilizarlo
- Encaje editorial: busqueda semantica que empareje preguntas o consultas con pasajes candidatos, el uso declarado por la ficha.[2]
- Posible encaje: recuperacion FAQ o QA y deteccion de preguntas duplicadas, por la mezcla de pares QA descrita en la fuente.[2]
- Posible encaje: puntuacion de similitud para textos cortos dentro de los limites documentados, no recuperacion de documentos largos sin pruebas.[1][2]
Fuentes
- [1] OpenRouter catalog · Sentence Transformers: multi-qa-mpnet-base-dot-v1Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Sentence Transformers: multi-qa-mpnet-base-dot-v1Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
The multi-qa-mpnet-base-dot-v1 embedding model transforms sentences and short paragraphs into a 768-dimensional dense vector space, generating high-quality semantic embeddings optimized for question-and-answer retrieval, semantic search, and similarity-scoring across diverse content.
Especificaciones
- ID del modelo
- sentence-transformers/multi-qa-mpnet-base-dot-v1
- ID canónico
- sentence-transformers/multi-qa-mpnet-base-dot-v1-20251117
- Creador
- sentence-transformers
- Añadido a OpenRouter
- 18.11.2025
- Longitud de contexto
- 512
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.0050 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfra | 512 | $0.0050 | $0 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.