Biblioteca › Cocción ›Embedding
Embedding
Modelo que convierte texto en vectores. Su límite de tokens determina el tamaño máximo de la píldora.
Fase obligatoria
El validador del constructor exige cubrirla siempre: con una pieza propia o con un framework que la incluya.
Cómo elegir: comparativa de piezas
Generada desde el catálogo (dato, no código).
| Pieza | Qué hace | Pros | Contras |
|---|---|---|---|
| text-embedding-3-small | El estándar comercial: barato, sólido y multilingüe 🔒 propietario🌐 multilingüe📏 8191 tokens1536d |
|
|
| text-embedding-3-large | Más precisión, más dimensiones, más coste 🔒 propietario🌐 multilingüe📏 8191 tokens3072d |
|
|
| BGE-M3 | El open multilingüe de referencia; se ejecuta en local 🟢 open🌐 multilingüe (100+)📏 8192 tokens1024d |
|
|
| Qwen3-Embedding | Top open en MTEB multilingüe: píldoras de hasta 32k tokens y dimensiones flexibles (MRL; 1024d el 0.6B, 4096d el 8B) 🟢 open🌐 multilingüe (100+)📏 32768 tokens1024d |
|
|
| multilingual-e5-large | Excelente calidad… si tus píldoras caben en 512 tokens 🟢 open🌐 multilingüe📏 512 tokens1024d |
|
|
| Cohere embed v4 | Muy fuerte en multilingüe y documentos largos 🔒 propietario🌐 multilingüe (100+)📏 128000 tokens1536d |
|
|
| Gemini embedding | El de Google: fuerte en clasificación y retrieval 🔒 propietario🌐 multilingüe (100+)📏 2048 tokens3072d |
|
|
| voyage-3-large | Especializado en RAG y código; contexto larguísimo 🔒 propietario🌐 multilingüe📏 32000 tokens2048d |
|
|
| nomic-embed-text-v1.5 | Open y eficiente… pero solo inglés: ojo con tu corpus 🟢 open🌐 solo inglés📏 8192 tokens768d |
|
|
| sentence-transformers | La navaja suiza local: elige el modelo según idioma y tamaño 🟢 open🌐 según modelo📏 512 tokens384d |
|
|
| mistral-embed | El de Mistral, bueno y competitivo en europeo 🔒 propietario🌐 multilingüe📏 8192 tokens1024d |
|
|
Conjuntos (frameworks) que cubren esta fase
Estos conjuntos colocan sus propios bloques en esta fase. Suelta uno en el lienzo y expándelo para no perder trazabilidad.