Base de datos vectorial

3 de diciembre de 2025

Indexación vectorial hasta 12 veces más rápida en Elasticsearch con NVIDIA cuVS: aceleración por GPU, capítulo 2

Descubre cómo Elasticsearch logra un rendimiento de indexación casi 12 veces mayor. Esto lo consigue con la indexación vectorial acelerada por GPU y NVIDIA cuVS.

Indexación vectorial hasta 12 veces más rápida en Elasticsearch con NVIDIA cuVS: aceleración por GPU, capítulo 2
Búsqueda multimodal de picos montañosos con Elasticsearch y SigLIP-2

Búsqueda multimodal de picos montañosos con Elasticsearch y SigLIP-2

Aprende a implementar búsqueda multimodal texto a imagen e imagen a imagen usando incrustaciones SigLIP-2 y búsqueda vectorial kNN en Elasticsearch. Enfoque del proyecto: encontrar fotos del pico del Monte Ama Dablam durante una travesía por el Everest.

Mejora de la relevancia del modelo de incrustación multilingüe con reclasificación híbrida en búsquedas

Mejora de la relevancia del modelo de incrustación multilingüe con reclasificación híbrida en búsquedas

Aprende cómo mejorar la relevancia de los resultados de búsqueda del modelo de incrustación multilingüe E5 usando el reclasificador y la búsqueda híbrida de Cohere en Elasticsearch.

Despliegue de un modelo de incrustación multilingüe en Elasticsearch

Despliegue de un modelo de incrustación multilingüe en Elasticsearch

Aprende a desplegar un modelo de incrustación multilingüe e5 para búsqueda vectorial y recuperación cross-lingual en Elasticsearch.

Filtrado de búsqueda vectorial: Mantenerlo relevante

3 de septiembre de 2025

Filtrado de búsqueda vectorial: Mantenerlo relevante

Realizar una búsqueda vectorial para encontrar los resultados más similares a una consulta no es suficiente. A menudo se necesita filtrar para reducir los resultados de búsqueda. Este artículo explica cómo funciona el filtrado para la búsqueda vectorial en Elasticsearch y Apache Lucene.

Mapear incrustaciones a tipos de campos de Elasticsearch: semantic_text, dense_vector, sparse_vector

Mapear incrustaciones a tipos de campos de Elasticsearch: semantic_text, dense_vector, sparse_vector

Discutir cómo y cuándo usar semantic_text, dense_vector o sparse_vector, y cómo se relacionan con la generación de incrustaciones.

Cómo implementar una Mejor Cuantización Binaria (BBQ) en tu caso de uso

Cómo implementar una Mejor Cuantización Binaria (BBQ) en tu caso de uso

Explora por qué implementarías Better Binary Quantization (BBQ) en tu caso de uso y cómo hacerlo.

Elasticsearch BBQ vs. OpenSearch FAISS: comparación del rendimiento de la búsqueda vectorial

15 de abril de 2025

Elasticsearch BBQ vs. OpenSearch FAISS: comparación del rendimiento de la búsqueda vectorial

Una comparación de rendimiento entre Elasticsearch BBQ y OpenSearch FAISS.

Base de datos vectorial de Elasticsearch para la conexión a tierra nativa en Vertex AI Platform de Google Cloud

9 de abril de 2025

Base de datos vectorial de Elasticsearch para la conexión a tierra nativa en Vertex AI Platform de Google Cloud

Descubre cómo Elasticsearch, el primer motor nativo de terceros para Vertex AI de Google Cloud, te permite crear experiencias GenAI personalizadas al conectar modelos Gemini en datos empresariales.

¿Estás listo para crear experiencias de búsqueda de última generación?

No se logra una búsqueda suficientemente avanzada con los esfuerzos de uno. Elasticsearch está impulsado por científicos de datos, operaciones de ML, ingenieros y muchos más que son tan apasionados por la búsqueda como tú. Conectemos y trabajemos juntos para crear la experiencia mágica de búsqueda que te dará los resultados que deseas.

Pruébalo tú mismo