Update models.py

models.py

@@ -1,4 +1,4 @@
-# models.py
+# models.py (Este código ahora es CORRECTO con el nuevo requirements.txt)
 
 import torch
 from transformers import AutoTokenizer, AutoModelForCausalLM
@@ -7,12 +7,10 @@ from config import EMBEDDING_MODEL_NAME
 
 # Cargar el modelo de embeddings
 def load_embedding_model():
-    # Se determina el dispositivo y se convierte a un objeto torch.device.
     device_str = 'cuda' if torch.cuda.is_available() else 'cpu'
     device = torch.device(device_str)
     
-    # LA CORRECCIÓN: Añadir el parámetro 'use_safetensors=True'
-    # Esto fuerza a la librería a cargar 'model.safetensors' en lugar de 'pytorch_model.bin'.
+    # Esta línea ahora funcionará gracias a la actualización en requirements.txt
     embedding_model = SentenceTransformer(
         EMBEDDING_MODEL_NAME, 
         device=device, 
@@ -22,7 +20,7 @@ def load_embedding_model():
     print(f"Embedding model loaded on device: {embedding_model.device}")
     return embedding_model
 
-# Cargar el modelo Yi-Coder (esta función ya estaba bien)
+# Cargar el modelo Yi-Coder
 def load_yi_coder_model():
     device_str = 'cuda' if torch.cuda.is_available() else 'cpu'
     device = torch.device(device_str)
@@ -35,7 +33,6 @@ def load_yi_coder_model():
         model_path,
         torch_dtype=torch.float16,
         low_cpu_mem_usage=True,
-        # También es buena práctica añadirlo aquí, aunque no era la causa del error.
         use_safetensors=True
     ).to(device).eval()