32 noticias
KiviDB es una base de datos en memoria multi-hilo escrita en Rust que ofrece una alternativa de alto rendimiento a Redis y Valkey. Su principal ventaja técnica es la compatibilidad de protocolo RESP2 y RESP3, lo que permite a los clientes y bibliotecas existentes funcionar sin modificaciones. A dife
pg_vectorsearch es una extensión para PostgreSQL diseñada para realizar búsquedas de vecindades más cercanas aproximadas (ANN) con alto rendimiento. Actualmente en fase alfa, está orientada a pruebas y no a producción, ya que las actualizaciones entre versiones pre-release pueden requerir la recreac
Manticore Search introduce una nueva funcionalidad que permite el chunking automático de documentos largos dentro de su sistema de búsqueda vectorial, eliminando la necesidad de pipelines de ingestión externos. Esta mejora resuelve una limitación crítica en el uso de modelos de lenguaje con ventanas
El proyecto vector-bench ofrece una metodología estandarizada para comparar el rendimiento de los motores de búsqueda vectorial, abordando la falta de transparencia en las métricas publicadas por las bases de datos. El texto explica que la evaluación correcta requiere medir simultáneamente la precis
Bonsai ha identificado un problema extendido en la búsqueda vectorial al que denomina "Float Bloat": muchos clientes convierten y serializan los vectores de incrustación (que los modelos entregan en float32) como float64, duplicando precisión de forma inútil. El ancho extra no aporta exactitud, pero
Las arquitecturas de agentes basadas en LLM suelen delegar en el modelo la gestión de su propia memoria: el agente relee textos antiguos para decidir si un dato es nuevo o corrige uno previo, si dos instrucciones se contradicen o si una preferencia ha cambiado. El autor, con experiencia en infraestr
En el ecosistema de la búsqueda con IA existe la costumbre de sobredimensionar los sistemas RAG recurriendo desde el primer momento a embeddings, bases de datos vectoriales y pipelines de reordenamiento, cuando a menudo basta con una búsqueda por palabras clave bien configurada. Este artículo propon
LatticeDB es una base de datos embebida de grafos de propiedades que almacena toda la información en un único archivo local y combina, en un mismo motor y lenguaje de consulta, tres capacidades habitualmente separadas: traversal de grafos, búsqueda por similitud vectorial mediante índices HNSW y bús
LatticeDB es una base de datos de grafos embebida y de archivo único pensada para ejecutarse en local sin servidor ni configuración. Su propuesta de valor central es unificar tres capacidades —recorrido de grafos de propiedades, búsqueda por similitud vectorial (HNSW) e indexación full-text con BM25
ParqDB es un proyecto que permite realizar búsquedas semánticas sobre grandes volúmenes de texto sin necesidad de un servidor de consultas. La propuesta se ilustra con un caso de uso concreto: indexar los embeddings generados por el modelo MiniLM sobre 100.000 artículos de Wikipedia y publicarlos co
Qdrant publica un análisis técnico sobre los límites de la búsqueda vectorial filtrada con metadatos y cómo su motor combina varias estrategias para mantener la precisión. Cuando se aplican filtros muy restrictivos sobre un índice HNSW estándar, el grafo de vecinos más cercanos se fragmenta y la con
turbovec es un índice vectorial escrito en Rust con bindings para Python, construido sobre el algoritmo TurboQuant de Google Research, un cuantizador data-oblivious con distorsión casi óptima y sin fase de entrenamiento separada. Según los benchmarks publicados en el repositorio, un corpus de 10 mil
OpenCrawling ha presentado el conector de salida para Qdrant (oc-qdrant-output-connector), disponible desde la versión 1.0.0-SNAPSHOT, que incorpora el motor vectorial en Rust al flujo de ingestión documental de la plataforma. El objetivo es habilitar canalizaciones RAG empresariales con búsquedas p
Clasificar consultas o productos con grandes modelos de lenguaje se ha vuelto una tarea rutinaria, pero presenta un problema práctico: obligar al modelo a ceñirse a un vocabulario cerrado de marcas, colores o categorías con cientos de opciones encarece la llamada y choca con los límites de tamaño de
Muchas equipes que trabajan con embeddings asumen que necesitan una base de datos vectorial dedicada, pero la realidad suele ser más sencilla. Con alrededor de un millón de documentos y tráfico de consultas moderado, una operación directa de NumPy es capaz de resolver una búsqueda por similitud en m
Este artículo técnico de Notion relata la evolución de su infraestructura de búsqueda vectorial —motor de su producto Notion AI Q&A— durante los dos años posteriores a su lanzamiento en noviembre de 2023. El reto inicial fue de escala: en pocas semanas acumularon una lista de espera de millones de e
Slater es una base de datos de grafos de código abierto pensada para escenarios en los que el grafo no cabe en memoria. Frente a motores residentes en RAM como Neo4j, Memgraph o FalkorDB, Slater pagina el grafo desde una imagen en disco y limita el consumo de memoria a un presupuesto de caché config
Wire, plataforma de contenedores de contexto para agentes de inteligencia artificial accesibles a través de MCP, ha sustituido el núcleo de su infraestructura, construido sobre Cloudflare Durable Objects desde su lanzamiento, por un plano de datos propio que ahora ejecuta las primeras cuentas en pro
Un equipo de ingeniería que automatiza buena parte de su desarrollo con agentes de programación ha concluido, tras meses de pruebas, que dar a esos agentes acceso de búsqueda a transcripciones de sesiones anteriores no aporta rendimiento en tareas de ingeniería de software. En algunos casos, incluso
Manticore Search ha sustituido en la versión 27.1.5 el camino de inferencia de embeddings que pasaba por SentenceTransformers sobre Candle por un nuevo backend basado en ONNX Runtime (ORT), el motor de inferencia en C++ de Microsoft. El cambio llega tras meses de反馈 de usuarios que señalaban el rendi
DocumentDB es una base de datos documental de código abierto, publicada bajo licencia MIT, que combina la flexibilidad del modelo de documentos —con soporte nativo para BSON— con la compatibilidad y la potencia de PostgreSQL. Está pensada para desarrolladores y equipos que necesitan un almacén de do
Manticore Search ha reescrito el núcleo del motor de búsqueda KNN basado en HNSW, heredado de hnswlib, para mejorar el rendimiento sin modificar la API ni requerir reconfiguración. Los cambios se centran en tres fuentes de sobrecarga: patrones de acceso a memoria ineficientes, cargas redundantes y l
Shumai es una plataforma de código abierto pensada para centralizar y gestionar el trabajo creativo de equipos que producen vídeo, imagen y otros activos digitales. La herramienta combina almacenamiento compatible con S3, anotaciones cuadro a cuadro sobre vídeos e imágenes, enlaces seguros de uso co
Manticore Software ha lanzado la versión 27.1.5 de Manticore Search, un motor de búsqueda de código abierto que integra autenticación y autorización nativas, soporte para tablas fragmentadas (sharded tables), búsqueda conversacional basada en vectores y mejoras de rendimiento en la construcción de í
La función 'More Like This' (MLT) permite buscar documentos similares a partir de un resultado ya seleccionado, en lugar de partir de una consulta escrita. El enfoque clásico era léxico: se extraían los términos relevantes del documento fuente y se comparaban con los de otros textos mediante técnica
Un estudio empírico reciente, publicado en arXiv, examina de forma sistemática cómo la elección de la estrategia de recuperación de información interactúa con la arquitectura del agente y el paradigma de invocación de herramientas en sistemas de búsqueda agentic basados en modelos de lenguaje de gra
FAISS, la biblioteca de búsqueda por similitud de Meta, encuentra los vecinos más cercanos en espacios vectoriales de alta dimensión a escala de miles de millones de elementos. Este artículo técnico detalla los mecanismos que hacen posible esa capacidad. En la inteligencia artificial actual, las im
HPPIE (Hyper-Personalized Patient Insights Engine) es una arquitectura de RAG clínico que incorpora el modelado de persona del paciente en la fase de recuperación, en lugar de relegarlo a un filtrado posterior. El proyecto fue desarrollado en una Global AI Hackathon, donde obtuvo el segundo puesto d
Un investigador ha implementado en Rust 'TurboQuant', un algoritmo de Google Research para la búsqueda vectorial, ofreciendo una alternativa más rápida y eficiente a métodos como FAISS. La implementación, disponible en GitHub, incluye bindings para Python a través de PyO3, facilitando su uso. TurboQ
Una reciente evaluación comparativa ha revelado que MariaDB 12.3 supera a PostgreSQL en pruebas de búsqueda vectorial, según un análisis realizado por Small Datum LLC y patrocinado por la MariaDB Foundation. Los resultados, publicados en enero y febrero de 2025, muestran que MariaDB 12.3 ofrece una
Este artículo explora el desafío de realizar búsquedas de similitud vectorial a gran escala, específicamente con 3 mil millones de vectores. El problema surge al intentar encontrar elementos semánticamente similares, una técnica crucial en aplicaciones como búsqueda, recomendaciones y recuperación g
Microsoft ha anunciado la disponibilidad de búsqueda vectorial nativa en Azure SQL y SQL database en Microsoft Fabric, lo que permite integrar capacidades de inteligencia artificial generativa directamente en las bases de datos. Esta nueva funcionalidad, ahora en vista previa pública, facilita la in
