Modelo de embeddings

Un modelo de embeddings convierte texto, imágenes u otros datos en una lista de números que captura su significado, de modo que los elementos parecidos acaban cerca unos de otros.

  • Modelos y arquitectura
  • Actualización

Los embeddings impulsan la búsqueda semántica, las recomendaciones y la generación aumentada por recuperación. Calculas los embeddings de tus documentos una vez, calculas el de cada pregunta y devuelves los documentos cuyos números están más cerca. Un modelo de embeddings no escribe texto; su salida es un vector.

Los modelos de embeddings son pequeños comparados con los modelos de chat. Qwen3-Embedding va de 600 millones a 8.000 millones de parámetros, y EmbeddingGemma 2 tiene menos de mil millones, así que ambos funcionan en portátiles corrientes.

Términos relacionados

  • Generación aumentada por recuperación (RAG) La generación aumentada por recuperación permite que un modelo responda a partir de tus propios documentos recuperando los pasajes relevantes y añadiéndolos al prompt.
  • Modelo multimodal Un modelo multimodal puede manejar más de un tipo de datos, como texto, imágenes, audio o vídeo, como entrada, como salida o ambos.

Todos los términos