Búsqueda semántica: qué modelos de embeddings elegir en 2026

Los mejores modelos de embeddings para búsqueda semántica son los que recuperan de forma fiable la información que responde a tus preguntas: empieza con OpenAI text-embedding-3-small como referencia económica para texto, compáralo con Voyage 4 para recuperación de información y elige Google Gemini Embedding 2 cuando las fuentes incluyan audio o video. El modelo small de OpenAI parte de $0.02 por millón de tokens de entrada, pero el compromiso mayor está en el índice vectorial: tendrás que reconstruirlo si cambias a un modelo incompatible.

Un modelo de embeddings convierte el contenido en un vector: una lista de números que permite encontrar información de significado similar aunque use palabras distintas. En un bot de soporte, eso supone relacionar «No puedo entrar a mi cuenta» con el artículo adecuado para resolver problemas de inicio de sesión. La generación aumentada por recuperación, o RAG, entrega esa fuente recuperada al modelo que redacta la respuesta.

Especificaciones, precios y licencias verificados en las páginas de los fabricantes el 15 de octubre de 2026. Esta comparativa se basa en documentación; no incluye pruebas propias de precisión ni de latencia. Las recomendaciones que siguen sirven como punto de partida para tu evaluación. La tarifa de la introducción procede de los precios de OpenAI.

Búsqueda semántica: comparativa de modelos de embeddings

Usa el modelo más económico que cumpla tus requisitos de recuperación y ajusta la selección cuando lo exijan los idiomas, los formatos de las fuentes o las restricciones de despliegue. Las siete familias siguientes abarcan API gestionadas, despliegues privados y modelos con pesos descargables.

Los precios son tarifas estándar de pago en USD por millón de tokens de texto de entrada, salvo en las filas que indican alojamiento propio. No incluyen la base de datos vectorial, la generación de respuestas ni el reranking, que consiste en volver a puntuar los candidatos recuperados con otro modelo. Cada proveedor tokeniza el texto de forma distinta, por lo que un mismo documento puede generar diferentes cantidades de tokens facturables.

«Pesos abiertos» significa que los archivos del modelo están disponibles para ejecutarlos por tu cuenta. No significa que el cómputo, el despliegue o el mantenimiento sean gratuitos. «Multilingüe» tampoco garantiza la misma precisión en todos los idiomas: prueba las combinaciones reales de idioma de consulta e idioma del documento que usan tus clientes.

Los modelos que conviene evaluar

1. OpenAI text-embedding-3: un punto de partida práctico para texto

OpenAI text-embedding-3-small y text-embedding-3-large son modelos de embeddings de texto alojados por el proveedor. Recomiendo empezar con small a quien está lanzando un buscador convencional para un centro de ayuda o un bot de soporte. Permite establecer una referencia económica sin administrar servidores de modelos. Large es el candidato que conviene comparar cuando small deja fuera pasajes relevantes de forma recurrente; pagar por él antes de contar con esos ejemplos supone saltarse la parte más útil de la decisión.

Dimensiones: small usa 1,536 por defecto; large, 3,072. Ambos admiten vectores más cortos mediante el parámetro dimensions.
Entrada máxima: 8,192 tokens por entrada en ambos modelos.
Idiomas y modalidades: texto multilingüe; ninguno acepta imágenes, audio ni video. La documentación citada no ofrece un recuento exhaustivo de idiomas compatibles.
Dónde ejecutarlo: API de embeddings alojada por OpenAI. Especificaciones, modalidades.
Uso recomendado: aplicaciones centradas en texto cuyos desarrolladores necesitan establecer pronto una referencia medible.
Punto fuerte: una misma API permite comparar small y large y configurar el tamaño de salida.
Precios: $0.02 por millón de tokens de entrada para small; $0.13 para large. Tarifas estándar verificadas el 15 de octubre de 2026. Precios.
Prueba gratuita: no se presupone crédito inicial para la API; calcula el presupuesto a partir del consumo de pago.

El límite está en el formato de entrada. Al extraer solo el texto de un PDF de resolución de problemas, puedes perder la captura de pantalla que explica qué botón pulsar. Ninguno de estos modelos de OpenAI recupera esa información visual. Usa embeddings de texto cuando la respuesta se conserve tras la extracción; compara un modelo multimodal cuando la apariencia de la página contenga la respuesta.

También conviene distinguir el tamaño del modelo del tamaño del vector. Large con menos dimensiones de salida puede ajustarse a una restricción de almacenamiento existente, pero eso no lo hace intercambiable con small. Que la longitud de los vectores coincida significa que encajan en el mismo esquema, no que los dos modelos organicen el significado de la misma manera.

Establece una referencia que deje ver los fallos de recuperación

Mantén una configuración inicial lo bastante sencilla como para explicar por qué apareció cada resultado.

1. 1

   Prepara fragmentos que permitan responder

   Divide el centro de ayuda por temas o secciones. Conserva junto a cada pasaje el título del documento, la URL de origen, los permisos del cliente y un identificador estable del fragmento. Evita unir instrucciones sin relación solo para llenar la ventana de contexto del modelo.

2. 2

   Fija la configuración de embeddings

   Elige text-embedding-3-small y registra las dimensiones de salida. Genera el embedding de cada pasaje almacenado con esa configuración y crea el índice vectorial con las mismas dimensiones. Conserva el texto original por separado.

3. 3

   Prueba la búsqueda antes de generar respuestas

   Genera el embedding de cada pregunta de prueba con la misma configuración, recupera los pasajes más cercanos e inspecciónalos. Una respuesta generada que parezca convincente puede ocultar que la recuperación seleccionó una fuente equivocada.

4. 4

   Compara una alternativa con las mismas preguntas

   Crea un índice candidato independiente para large o Voyage. Mantén los mismos fragmentos de origen y las mismas etiquetas de relevancia. Adopta la alternativa solo si la mejora tiene valor para tu aplicación.

2. Voyage AI 4: una API para poner a prueba la recuperación

La familia Voyage 4 de Voyage AI ofrece embeddings de texto alojados y merece una comparación con tu modelo de referencia cuando la calidad de recuperación es central para el producto. Empieza por voyage-4 y después evalúa lite por su latencia y coste, o large como la opción de uso general que el fabricante presenta como su modelo de mayor calidad. Un buscador de documentación técnica en el que los clientes describen un mismo fallo con términos distintos es una prueba más útil que una colección de coincidencias fáciles por palabras clave.

Dimensiones: 1,024 por defecto; voyage-4-lite, voyage-4 y voyage-4-large también admiten 256, 512 y 2,048.
Entrada máxima: 32,000 tokens en cada uno de esos modelos.
Idiomas y modalidades: texto multilingüe; la tabla de modelos no da un recuento exhaustivo de idiomas. Estos modelos son distintos de los modelos multimodales de Voyage.
Dónde ejecutarlo: API de embeddings alojada por Voyage AI. Especificaciones de los modelos.
Uso recomendado: desarrolladores dispuestos a comparar la recuperación antes de elegir una API.
Punto fuerte: embeddings compatibles entre los modelos de uso general de la familia Voyage 4.
Precios: por millón de tokens de entrada, $0.02 para 4-lite, $0.06 para 4 y $0.12 para 4-large. Verificados el 15 de octubre de 2026. Precios.
Prueba gratuita: la página de precios indica un cupo inicial de 200 millones de tokens gratuitos para los modelos de uso general actuales; comprueba la asignación correspondiente al modelo que utilices.

La compatibilidad anunciada tiene utilidad operativa. Voyage documenta un espacio de embeddings compartido por esta familia, lo que permite evaluar otra variante para las consultas sin tener que reconstruir automáticamente todos los vectores de los documentos. Mantén las mismas dimensiones de salida y mide esa combinación concreta de modelo para documentos y modelo para consultas. No extiendas esta garantía a cualquier modelo que lleve el nombre Voyage.

El problema que conviene vigilar es el truncamiento silencioso: el parámetro truncation de la API tiene el valor true por defecto. Un documento largo puede producir un vector válido aunque se haya descartado su parte final. Durante el desarrollo de la ingesta, usa truncation=false para que las entradas demasiado grandes fallen de forma visible; después, corrige la división en fragmentos. Un límite de contexto amplio da espacio a pasajes coherentes, pero no justifica convertir un manual entero en un único resultado de búsqueda. Comportamiento de la API.

Para un corpus compuesto exclusivamente por código, el fabricante también ofrece voyage-code-4; compara ese modelo especializado con el de uso general mediante preguntas sobre el repositorio. No incorpores uno especializado solo porque algunos artículos de soporte contengan fragmentos de código.

3. Google Gemini Embedding 2: amplitud de formatos multimodales

Google Gemini Embedding 2 es una opción gestionada que conviene evaluar cuando la búsqueda debe conectar texto con imágenes, audio, video o páginas de PDF. Un sistema de soporte que combine guías escritas y demostraciones grabadas del producto puede mantener esas fuentes en un mismo espacio de embeddings. Elígelo cuando esas modalidades aporten información útil y compara después la recuperación sobre tus fuentes; un centro de ayuda compuesto solo por texto no se beneficia automáticamente de admitir más formatos de entrada.

Dimensiones: de 128 a 3,072; Google recomienda 768, 1,536 o 3,072.
Entrada máxima: 8,192 tokens.
Idiomas y modalidades: más de 100 idiomas; texto, imágenes, audio, video y PDF.
Dónde ejecutarlo: Gemini API, con el identificador de modelo estable gemini-embedding-2. Ficha del modelo, capacidades.
Uso recomendado: búsqueda gestionada sobre fuentes que no se pueden representar adecuadamente mediante texto extraído.
Punto fuerte: audio y video comparten espacio vectorial con texto e imágenes.
Precios: las tarifas estándar por millón de tokens de entrada son $0.20 para texto, $0.45 para imágenes, $6.50 para audio y $12.00 para video. Verificadas el 15 de octubre de 2026. Precios.
Prueba gratuita: hay un nivel gratuito de la API, sujeto a sus límites de uso.

La dificultad está en adaptar la ingesta a cada modalidad. Google permite hasta 6 imágenes, 180 segundos de audio, 120 segundos de video o un PDF de hasta 6 páginas por solicitud, siempre dentro de las restricciones generales de entrada. El procesamiento de video utiliza como máximo 32 fotogramas y no procesa la pista de audio. Por eso, una demostración narrada necesita un tratamiento explícito tanto de la explicación hablada como de las imágenes. Límites de entrada.

Guarda la marca de tiempo o la referencia de página junto a cada elemento convertido en embedding. Encontrar el video correcto resulta menos útil que abrirlo en el momento relevante; recuperar el PDF adecuado ayuda menos que identificar la página que contiene la respuesta. La división en fragmentos y los metadatos determinan esa experiencia de navegación.

Quienes ya usan Google deben tener en cuenta un detalle de migración: gemini-embedding-001 y gemini-embedding-2 tienen espacios de embeddings incompatibles. Conservar el mismo número de dimensiones no mantiene la compatibilidad. Google exige expresamente volver a generar los embeddings del corpus existente al pasar de uno a otro. Guía de migración.

4. Cohere Embed 5: documentos empresariales y opciones de despliegue

Cohere Embed 5 es un candidato para equipos cuyo problema de búsqueda está en documentos extensos, tablas, gráficos y páginas que combinan texto e imágenes. La familia actual está formada por embed-v5.0-pro y embed-v5.0-fast. Para un asistente de soporte interno que busca en manuales con estructura visual, compara la recuperación que tiene en cuenta la página con la extracción de texto que ya utilizas; la pregunta relevante es si la instrucción correcta se conserva tras el proceso de ingesta.

Dimensiones: 2,048 por defecto; también admite 256, 512, 768, 1,024 y 1,536.
Entrada máxima: 128K tokens tanto en Pro como en Fast.
Idiomas y modalidades: más de 100 idiomas; texto, imágenes y entradas mixtas de texto e imagen, incluidas representaciones de páginas de documentos.
Dónde ejecutarlo: Cohere API, Model Vault, Microsoft Foundry y Amazon SageMaker; también admite despliegue privado comercial en tu VPC o en instalaciones propias. Especificaciones, despliegue e idiomas.
Uso recomendado: búsqueda en documentos empresariales que exige opciones de despliegue más allá de una API pública compartida.
Punto fuerte: Pro y Fast comparten un espacio de embeddings, lo que permite consultar con Fast un corpus indexado con Pro.
Precios: $0.08 por millón de tokens de texto para Fast o $0.12 para Pro; ambos indican $0.40 por millón de tokens de imagen. Verificados el 15 de octubre de 2026. Precios de texto, precios de imágenes.
Prueba gratuita: las claves de prueba de la API son gratuitas y tienen límites de solicitudes; no pueden usarse en producción ni con fines comerciales.

La ventana de contexto amplia resulta útil cuando un pasaje necesita información de su entorno, pero no resuelve por sí sola el diseño de la recuperación. Si el fragmento devuelto contiene un manual entero, el modelo de respuestas todavía tiene que localizar el pasaje relevante. Compara una representación de contexto largo con fragmentos por secciones antes de elegir una entrada mayor solo porque cabe.

Cohere también admite representaciones de salida float, int8 y binarias. Estas describen cómo se almacenan los números del vector; las representaciones más pequeñas pueden cambiar el consumo de memoria y el comportamiento de la recuperación. Comprueba qué admite la base de datos y la implementación de recuperación que hayas elegido, y mide la propia configuración comprimida. Un resultado obtenido con vectores float de tamaño completo no valida automáticamente un índice binario más pequeño.

El fabricante sigue documentando embed-v4.0, con contexto de 128K y 1,536 dimensiones por defecto. Es un modelo existente que debe evaluarse por sus propias características; esas no son las especificaciones de la familia actual. Tampoco la opción de despliegue privado convierte Embed 5 en una descarga con licencia Apache: las condiciones comerciales del despliegue siguen formando parte de la compra.

5. Qwen3-Embedding: modelos abiertos de texto con configuración flexible

Qwen3-Embedding ofrece a los desarrolladores modelos descargables de embeddings de texto en distintos tamaños. Es un candidato sólido para alojamiento propio cuando la ubicación de los datos o el control del entorno de ejecución determinan la arquitectura. Si una empresa busca en documentación privada de ingeniería, conviene empezar por la variante más pequeña que cumpla su objetivo de relevancia. Pasar directamente al modelo de mayor tamaño puede convertir la elección de embeddings en un proyecto de infraestructura antes de saber si mejora las respuestas.

Dimensiones: los tamaños máximos de salida son 1,024 para 0.6B, 2,560 para 4B y 4,096 para 8B; la familia admite dimensiones ajustables.
Entrada máxima: 32K tokens en esas variantes.
Idiomas y modalidades: más de 100 idiomas, con soporte para recuperación de código; entrada de texto. Se trata de Qwen3-Embedding, una familia distinta de Qwen3-VL.
Dónde ejecutarlo: en tu propia infraestructura, con los ejemplos del fabricante para Sentence Transformers, Transformers, vLLM o Text Embeddings Inference. Ficha del modelo.
Licencia: Apache 2.0. Archivo de licencia.
Uso recomendado: recuperación de texto multilingüe en infraestructura propia, con control sobre el tamaño del modelo y de la salida.
Punto fuerte: las instrucciones de tarea permiten especificar el trabajo de recuperación.
Precios: pesos abiertos y alojamiento propio; no existe un precio universal de infraestructura por millón de tokens.
Prueba gratuita: pesos descargables; el entorno de ejecución y los recursos de cómputo corren por tu cuenta.

El límite está en el coste de servir el modelo y su comportamiento bajo carga. Mide por separado el rendimiento de indexación y la latencia de las consultas interactivas. La carga de un corpus puede esperar en una cola; un cliente que espera una respuesta de soporte percibe cada demora adicional de inferencia. El tamaño de lote, la longitud de las entradas, el hardware y la concurrencia determinan si el modelo más grande encaja con el producto.

Sigue las instrucciones de recuperación de la ficha del modelo. El formato de las consultas forma parte de la configuración que estás evaluando, así que regístralo junto con la versión concreta del modelo y las dimensiones de salida. Una prueba con un formato de instrucciones no valida un prompt diferente en producción. Mantén estables las convenciones de documentos y consultas al comparar candidatos.

El alojamiento propio resulta especialmente atractivo cuando el control tiene valor por sí mismo o cuando la carga de trabajo medida justifica las operaciones. No es automáticamente la forma más barata de generar embeddings de un centro de ayuda pequeño. Una factura mínima por tokens de una API alojada puede costar menos que el tiempo dedicado a mantener un servicio de modelos, incluso antes de contar el hardware.

6. BAAI BGE-M3: recuperación abierta más allá del vector denso

BAAI BGE-M3 es un modelo abierto que conviene evaluar si quieres obtener recuperación densa, dispersa y multivector con el mismo modelo. Los vectores densos capturan similitud semántica; las representaciones dispersas asignan pesos a características léxicas; la recuperación multivector conserva más de un vector para lograr correspondencias más detalladas. Un corpus de soporte con identificadores de producto y códigos de error ofrece un buen entorno para comparar estos enfoques, porque la similitud de significado por sí sola puede devolver un identificador exacto equivocado.

Dimensiones: 1,024 para el embedding denso; las salidas dispersas y multivector tienen otras estructuras.
Entrada máxima: 8,192 tokens.
Idiomas y modalidades: más de 100 idiomas; texto.
Dónde ejecutarlo: en infraestructura propia con la implementación FlagEmbedding del fabricante. Ficha del modelo.
Licencia: MIT, según los metadatos de la ficha del fabricante.
Uso recomendado: desarrolladores dispuestos a evaluar recuperación híbrida, que combina señales léxicas y semánticas.
Punto fuerte: varias representaciones de recuperación a partir de una misma familia de modelos.
Precios: pesos abiertos, alojamiento propio; el cómputo y el almacenamiento corren por tu cuenta.
Prueba gratuita: pesos descargables; no implica un cupo de servicio alojado.

La limitación es que generar varias representaciones no hace que la base de datos las utilice. Si solo guardas el vector denso y ejecutas una búsqueda densa, has construido un sistema de recuperación densa. Aprovechar las salidas dispersas o multivector exige una indexación y una puntuación compatibles, además de decidir cómo combinar los resultados.

Empieza por la recuperación densa y añade después la señal léxica en las preguntas donde debería ayudar: nombres exactos de piezas, cadenas de error e identificadores. Examina si esas mejoras perjudican la correspondencia con paráfrasis más amplias. Añade un modelo de reranking solo cuando puedas ver los resultados candidatos que se espera que corrija.

BGE-M3 merece estar en la selección por esa flexibilidad, no porque una prueba antigua de su lanzamiento demuestre que supera a todas las API actuales. Si solo necesitas embeddings densos sencillos, compáralo con Qwen y con la opción alojada de referencia antes de aceptar una mayor complejidad de recuperación.

7. Google EmbeddingGemma: búsqueda local en dos generaciones distintas

Google EmbeddingGemma 2 es un candidato local cuando la aplicación necesita buscar texto y contenido multimedia en el dispositivo del usuario. Una herramienta de escritorio para gestionar conocimiento podría indexar notas junto con capturas de pantalla o grabaciones sin enviar cada elemento a una API de embeddings alojada. El modelo actual y el original embeddinggemma-300m difieren en formatos de entrada, longitud de contexto y licencia, así que fija el repositorio exacto en tu proyecto.

Dimensiones: EmbeddingGemma 2 genera 768 dimensiones, con opciones de 512, 256 y 128.
Entrada máxima: 8,192 tokens.
Idiomas y modalidades: más de 100 idiomas; texto, incluido código, imágenes, video y audio.
Dónde ejecutarlo: localmente o en tu propia infraestructura; el fabricante ofrece ejemplos con Sentence Transformers. Sus 740M parámetros totales incluyen codificadores de visión y audio que pueden cargarse de forma selectiva. Ficha del modelo.
Licencia: Apache 2.0 para EmbeddingGemma 2, según su ficha.
Uso recomendado: aplicaciones locales o sin conexión que necesitan embeddings multimodales.
Punto fuerte: permite cargar los codificadores de las modalidades que necesita tu aplicación.
Precios: pesos abiertos y alojamiento propio; los recursos del dispositivo y cualquier infraestructura alojada siguen corriendo por tu cuenta.
Prueba gratuita: pesos descargables.

El EmbeddingGemma-300m original sigue siendo una opción distinta, solo para texto: 300M parámetros, un límite de entrada de 2,048 tokens, 768 dimensiones con alternativas de 512/256/128 y entrenamiento en más de 100 idiomas hablados. Funciona con Sentence Transformers, pero su repositorio exige aceptar los términos de uso de Gemma de Google. No atribuyas la licencia Apache de EmbeddingGemma 2 a esa versión anterior. Modelo original y condiciones.

El límite lo marcan los recursos del dispositivo. La memoria disponible, el comportamiento térmico y el trabajo simultáneo de otras aplicaciones importan más que el mero hecho de que el archivo del modelo pueda cargarse. Prueba una tarea de indexación en segundo plano mientras el usuario realiza una actividad normal en primer plano. Incluso un modelo compacto puede perjudicar la experiencia si la ingesta monopoliza el dispositivo.

Para vectores reducidos, sigue las instrucciones de normalización de Google y mantén alineadas las dimensiones de consultas y documentos. Conserva también los prefijos de tarea. Esos ajustes forman parte del despliegue del modelo; no son un registro opcional que puedas reconstruir después de que cambie la calidad de recuperación.

Cómo elegir para tu buscador o bot de soporte

Descarta candidatos a partir de un requisito concreto antes de comparar la calidad. La pregunta decisiva es qué fallo haría inutilizable la aplicación: no encontrar la respuesta, perder información visual, enviar datos a una ubicación inaceptable o responder demasiado despacio.

Qué modelos de embeddings elegir para texto

Empieza por OpenAI small y Voyage 4 para una aplicación de texto con API alojada. Añade OpenAI large si quieres comparar dentro de la API que ya utilizas, e incorpora Cohere cuando importen la estructura documental y el despliegue privado. Elige la alternativa solo si resuelve mejor los fallos que sufren tus usuarios con una latencia y un coste total aceptables.

Para soporte multilingüe, incluye ejemplos entre idiomas: una pregunta en español que se responde con un artículo en inglés, nombres locales de productos, mensajes que mezclan idiomas y términos transliterados. «Admite más de 100 idiomas» no demuestra que funcione bien con la combinación de idiomas que más valor aporta a tu negocio.

Modelos de embeddings open source que conviene comparar

Compara Qwen3-Embedding para recuperación de texto configurable, BGE-M3 cuando importen tanto la recuperación léxica como la semántica, y EmbeddingGemma 2 para entradas multimodales locales. La licencia corresponde a la versión exacta del modelo. Trata el alojamiento propio como una decisión de despliegue con un coste operativo medible, no como un sinónimo de uso gratuito de una API.

Si el corpus contiene instrucciones fotografiadas, diagramas o demostraciones grabadas, decide de forma deliberada entre extraer el texto y conservar la modalidad de origen. Extraer el texto puede ser suficiente y facilitar la depuración. Usa recuperación multimodal cuando la información visual o sonora que se pierde cambie la respuesta.

Qué modelos de embeddings usar en local

EmbeddingGemma 2 es el primer candidato multimodal local de esta comparativa; la variante más pequeña de Qwen y BGE-M3 deben entrar en una comparación centrada en texto. Mide el rendimiento en el hardware que atenderá a los usuarios. Un resultado obtenido en una estación de trabajo de desarrollo dice poco sobre la computadora portátil o el servidor pequeño que tendrá que gestionar indexación y consultas a la vez.

La regla para decidir: conserva el candidato más sencillo que cumpla tus requisitos de relevancia, latencia, despliegue e idiomas. Cambia cuando una alternativa evaluada resuelva un fallo importante y aporte suficiente valor para justificar la migración.

Consulta MTEB y después prueba con tus propios datos

Usa la clasificación MTEB para identificar candidatos, no para elegir un ganador universal. MTEB, Massive Text Embedding Benchmark, abarca tareas como recuperación, clasificación, agrupamiento y similitud. Su clasificación también ofrece vistas por idioma, dominio y modalidad. Una puntuación obtenida en un conjunto de tareas no es automáticamente comparable con otra obtenida en un conjunto diferente.

Para RAG, revisa resultados de recuperación relevantes para tus idiomas y tu dominio. Para fuentes visuales, consulta una prueba adecuada de recuperación multimodal o documental. Registra la versión y los ajustes de la prueba antes de usar un resultado para respaldar una decisión. Aquí no se citan puntuaciones numéricas de esas clasificaciones.

Una primera evaluación útil consiste en un conjunto etiquetado de 100 preguntas reales, con los pasajes de origen que deberían responder a cada una. Es una propuesta de muestra inicial, no una garantía de certeza estadística. Incluye preguntas sin respuesta válida, formulaciones ambiguas, identificadores exactos y las combinaciones de idiomas que atiendes.

Mantén fijos los fragmentos de origen, los permisos, la cantidad de resultados recuperados y cualquier modelo de reranking mientras comparas los modelos. De lo contrario, no podrás saber si la mejora procede del modelo o del proceso que lo rodea. Con un límite de diez resultados, recall@10 mide cuánto del material relevante aparece entre ellos; nDCG@10 premia que los resultados más relevantes estén cerca del principio.

Después, revisa los fallos manualmente. ¿Faltaba el pasaje correcto, apareció demasiado abajo, lo excluyó un filtro de permisos o se deterioró durante la extracción? Cambiar a un modelo superior no puede reparar un pasaje que nunca llegó al índice. Mide por separado la latencia de consulta y el rendimiento de ingesta, y repite los casos difíciles después de modificar las dimensiones o la compresión.

Dónde almacenar los vectores y atender las consultas

Pinecone es una base de datos vectorial gestionada que puede almacenar vectores generados en otros servicios y también aloja determinados modelos de embeddings mediante su API de inferencia. Su catálogo de modelos incluye llama-text-embed-v2, multilingual-e5-large y pinecone-sparse-english-v0 como opciones de embeddings por inferencia. Esa elección es independiente de llamar directamente a Gemini, OpenAI o Voyage y subir sus vectores.

Usa la generación integrada de embeddings cuando el modelo disponible encaje con tu evaluación y quieras que el servicio se encargue de convertir el texto en vectores. Aporta tus propios vectores cuando necesites controlar el modelo, el preprocesamiento multimedia o un codificador alojado en tu infraestructura. La documentación de indexación de Pinecone distingue estas vías.

En un bot de soporte, conserva el texto de origen, los identificadores estables, los metadatos de control de acceso y las citas como parte de la arquitectura de recuperación. La similitud entre embeddings no concede autorización. Sea cual sea la base de datos elegida, la aplicación debe restringir la recuperación al material que el usuario tiene permiso para ver.

La comparativa de bases de datos vectoriales aborda la decisión de almacenamiento; la guía de precios de Pinecone trata su factura por separado. Si el asistente decide cuándo buscar, reformula preguntas o realiza recuperaciones posteriores, la guía de RAG agéntico explica ese flujo. El modelo de embeddings aporta la representación y el sistema de recuperación decide cómo utilizarla.

Las dimensiones determinan cuánto tendrás que almacenar

Elige las dimensiones vectoriales teniendo en cuenta la base de datos. Con precisión float32, cada número ocupa cuatro bytes. Para un millón de vectores, 1,536 dimensiones requieren 6.144 GB de valores vectoriales brutos; 3,072 dimensiones requieren 12.288 GB. Son gigabytes decimales calculados, sin incluir metadatos, estructuras de índice, réplicas ni otros gastos de almacenamiento de la base de datos.

Por eso, una salida más pequeña puede importar incluso cuando los tokens de embeddings son baratos. También explica por qué no conviene confundir el número de parámetros del modelo con las dimensiones vectoriales: uno afecta al codificador que ejecutas; las otras, a cada representación que almacenas y consultas.

Prueba la reducción de dimensiones mediante el método admitido por el fabricante. No trunques arbitrariamente un modelo cuya documentación no contemple esa posibilidad. Cuando se requiera normalización, aplícala de forma consistente. Después evalúa los propios vectores reducidos, porque ahorrar almacenamiento solo sirve si la aplicación sigue recuperando la información necesaria.

Cambiar de modelo exige migrar el índice

Incluye en el presupuesto la reconstrucción del corpus cuando el nuevo modelo utilice un espacio de embeddings incompatible. Cambiar el nombre de la API para las consultas mientras se conservan los vectores antiguos de los documentos suele romper la correspondencia, aunque ambos modelos devuelvan el mismo número de dimensiones. La migración de embedding-001 a embedding-2 documentada por Google es un ejemplo explícito.

Hay excepciones con límites definidos: la familia de uso general 4 de Voyage y la pareja Embed 5 Pro/Fast de Cohere documentan espacios compartidos. Esas garantías permiten combinaciones concretas entre modelos, no mezclas arbitrarias entre proveedores. Prueba la combinación y utiliza ajustes coincidentes de dimensiones y representación.

Estima el coste de volver a generar los embeddings a partir del número real de tokens de entrada. Como ejemplo, un millón de fragmentos con una media de 500 tokens contienen 500 millones de tokens. Con la tarifa estándar de texto publicada para Gemini Embedding 2, esa generación de embeddings costaría $100. El cálculo excluye escrituras en la base de datos, almacenamiento simultáneo de ambas versiones, preprocesamiento, consultas, trabajo de ingeniería y cualquier descuento. Fuente de la tarifa.

La factura de tokens puede ser la parte sencilla. También necesitas los documentos de origen, los ajustes de ingesta y capacidad suficiente para mantener disponible el sistema en producción mientras construyes su sustituto. Guarda con cada versión del índice el identificador del modelo, las dimensiones, la normalización, la versión de la división en fragmentos y las instrucciones para consultas y documentos.

1. 1

   Construye un índice candidato independiente

   Vuelve a generar los embeddings de los fragmentos de origen conservados con la nueva configuración. Mantén el índice existente atendiendo solicitudes. Usa identificadores estables de documentos para comparar los registros correspondientes.

2. 2

   Repite la evaluación y revisa los retrocesos

   Compara el candidato con las mismas consultas etiquetadas. Además de la relevancia, comprueba los permisos, los destinos de las citas, los documentos ausentes y la latencia de consulta. Ten en cuenta los documentos que hayan cambiado durante la carga del corpus.

3. 3

   Cambia el modelo y el índice a la vez

   Dirige las consultas al nuevo codificador y a su índice correspondiente mediante un único cambio de configuración. Conserva la pareja anterior el tiempo suficiente para poder revertir el cambio si el comportamiento en producción difiere de la evaluación.

Cómo se seleccionaron los modelos

Estas siete familias de modelos tienen una función clara en la elección planteada para búsqueda, RAG y bots de soporte. La selección tuvo en cuenta los límites de entrada publicados, las dimensiones, las modalidades, los idiomas, las opciones de despliegue, las licencias y los precios actuales. Las páginas de los fabricantes se consultaron en la fecha de verificación; los ejemplos de almacenamiento y coste se calcularon a partir de los supuestos indicados.

No se realizaron pruebas de rendimiento ni de carga de los modelos para este artículo. El orden propone una ruta de evaluación para un desarrollador típico centrado en texto, no una clasificación de precisión medida. Los modelos especializados en código, los específicos de un dominio y otras familias multimodales no recibieron fichas separadas en la selección; incorpóralos a tu propia lista cuando esa especialidad determine la aplicación.

Elecciones que conviene evitar

Evita OpenAI text-embedding-3 para recuperar directamente imágenes o audio. Es una familia de texto. Extraer las palabras es una arquitectura válida, pero pierde cualquier información que solo exista en las imágenes o el sonido de la fuente.

Evita tomar automáticamente los modelos antiguos de Voyage 3 como punto de partida de un proyecto nuevo. La documentación actual de Voyage recomienda la familia más reciente. Conserva un despliegue existente y evaluado hasta que haya un motivo para asumir el coste de migración.

Evita elegir Qwen3-Embedding-8B por defecto para una computadora portátil sin medirlo antes. Empieza por establecer los límites de latencia y recursos del dispositivo y después evalúa si el modelo más grande justifica su coste operativo.

Evita usar BGE-M3 para «búsqueda híbrida» si solo vas a almacenar su salida densa. Para obtener esa capacidad, necesitas un diseño de recuperación que utilice la representación adicional.

Evita dar por hecho que todas las versiones de EmbeddingGemma tienen licencia Apache 2.0. La ficha actual de EmbeddingGemma 2 indica Apache 2.0; el repositorio original de 300M utiliza las condiciones de Gemma. Las versiones exactas importan tanto para el despliegue como para la recuperación.

Preguntas frecuentes

¿Cuáles son los mejores modelos de embeddings para RAG?

Empieza por OpenAI text-embedding-3-small como referencia económica de texto alojada y compara Voyage 4 con tus propias preguntas. Gemini Embedding 2 o Cohere Embed 5 deben entrar en la comparación cuando la modalidad de la fuente cambie la respuesta. Qwen3-Embedding, BGE-M3 y EmbeddingGemma son los candidatos para alojamiento propio de esta guía. El ganador útil es el modelo que recupera de forma fiable los pasajes que has etiquetado como relevantes.

¿Qué modelos de embeddings se pueden probar gratis?

Para evaluar servicios alojados, Gemini ofrece un nivel gratuito de su API, Voyage indica cupos iniciales de tokens y Cohere proporciona claves de prueba con límites de solicitudes que excluyen el uso en producción y el uso comercial. Comprueba el cupo y las condiciones de producción del modelo exacto antes de depender del acceso gratuito para una aplicación destinada a clientes.

¿Qué modelos gratuitos de embeddings sirven para RAG?

Para RAG de texto en infraestructura propia, compara Qwen3-Embedding y BGE-M3; para RAG multimodal local, incluye EmbeddingGemma 2. Sus pesos descargables permiten operar el codificador por tu cuenta, pero la inferencia, el almacenamiento y el mantenimiento siguen consumiendo recursos. Conserva la licencia correspondiente a la versión exacta del modelo e incluye esos costes operativos al comparar con una API alojada.

El siguiente paso es reunir las preguntas de soporte que tu buscador actual no resuelve y etiquetar los pasajes que deberían responderlas. Usa la lista de verificación para auditar flujos de trabajo empresariales con IA para definir el flujo y los criterios de éxito antes de procesar todo el corpus.