---
name: mrebel_load_model
kind: function
lang: py
domain: datascience
version: "1.0.0"
purity: impure
signature: "def mrebel_load_model(model_name: str = 'Babelscape/mrebel-large', src_lang: str = 'es_XX', tgt_lang: str = 'tp_XX') -> tuple[Any, Any]"
description: "Carga (y cachea) el tokenizer y modelo mREBEL (mBART-based, ~600M params, ~2.4 GB). Multilingue 30+ idiomas. Cache por (model_name, src_lang). Primera llamada descarga de HuggingFace. LICENCIA CC BY-NC-SA 4.0 — solo uso no comercial."
tags: [mrebel, relation-extraction, nlp, model, huggingface, multilingual, seq2seq, datascience, python]
uses_functions: []
uses_types: []
returns: []
returns_optional: false
error_type: "error_go_core"
imports: [transformers]
params:
  - name: model_name
    desc: "ID del modelo en HuggingFace Hub (defecto: Babelscape/mrebel-large, 600M params)"
  - name: src_lang
    desc: "codigo de idioma fuente para el tokenizer mBART: 'es_XX' (ES), 'en_XX' (EN), 'fr_XX' (FR), etc."
  - name: tgt_lang
    desc: "token de idioma destino del decoder — siempre 'tp_XX' para el formato triplet de mREBEL"
output: "tupla (tokenizer, model) listos para inferencia. Cacheados por (model_name, src_lang)."
tested: false
tests: []
test_file_path: ""
file_path: "python/functions/datascience/mrebel_load_model.py"
notes: |
  LICENCIA: Babelscape/mrebel-large esta bajo CC BY-NC-SA 4.0 (Creative Commons
  Non-Commercial Share-Alike). Solo uso no comercial. NO usar en productos
  comerciales sin sustituir por un modelo con licencia comercial.
  
  impure: descarga red/disco la primera vez, mantiene estado en _MODEL_CACHE.
  No necesita el patch HF kwargs de glirel — AutoModelForSeq2SeqLM es path estandar.
  Cache es por (model_name, src_lang): dos idiomas distintos crean dos instancias
  porque el tokenizer tiene src_lang hardcodeado.
---

## Ejemplo

```python
from python.functions.datascience.mrebel_load_model import mrebel_load_model
from python.functions.datascience.parse_rebel_output import parse_rebel_output

tokenizer, model = mrebel_load_model(src_lang="es_XX")

text = "Pablo Isla es el presidente de Inditex."
inputs = tokenizer(text, return_tensors="pt", max_length=512, truncation=True)
generated = model.generate(**inputs, num_beams=4, length_penalty=1.0, max_length=256)
decoded = tokenizer.decode(generated[0], skip_special_tokens=False)
triplets = parse_rebel_output(decoded)
```

## Tamanio y latencia

- `Babelscape/mrebel-large`: ~2.4 GB en disco (modelo + tokenizer).
- Primera carga: 30-90 s en CPU, depende de red y disco.
- Inferencia CPU: 5-15 s por frase (mBART es mas lento que REBEL/BART).
- Inferencia GPU (CUDA T4): 0.5-2 s por frase.

## Idiomas soportados

mREBEL soporta los idiomas de mBART-50. Ejemplos:
- `es_XX` — Espanol
- `en_XX` — Ingles
- `fr_XX` — Frances
- `de_DE` — Aleman
- `pt_XX` — Portugues
- `it_IT` — Italiano

## Notas

- Para ingles y usos comerciales, usar `rebel_load_model` (Apache 2.0).
- Para benchmarks rapidos, usar `mrebel_base_load_model` (250M params, misma licencia).
- `model.eval()` se llama al cargar para desactivar dropout en inferencia.