Embedding
Un embedding (vector de representación) es una lista de números (un vector) que representa un fragmento de texto, una imagen u otros datos, generada de forma que los elementos con significado parecido acaban con vectores cercanos entre sí.
También llamado: vector embedding, embeddings, embedding model
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Los ordenadores no pueden comparar significados directamente, pero sí pueden comparar números con rapidez. Un embedding convierte "¿Cómo restablezco mi contraseña?" y "He olvidado mi usuario" en dos vectores situados cerca uno del otro, aunque casi no compartan palabras. Eso es lo que hace funcionar la búsqueda semántica, el clustering y las recomendaciones.
Modelos de embeddings
Un modelo de embeddings es la red neuronal que produce estos vectores. Le envías texto (o una imagen, en los modelos multimodales) y devuelve un vector de longitud fija. Algunos ejemplos son text-embedding-3-large y Voyage 4 Large. El leaderboard MTEB los compara, y la guía de modelos de embeddings ayuda a elegir uno.
Cómo se usan
En la generación aumentada por recuperación, cada fragmento de tus documentos se convierte en embedding una vez y se guarda en una base de datos vectorial. En el momento de la consulta, la pregunta se convierte en embedding con el mismo modelo y se devuelven los vectores guardados más cercanos. La cercanía suele medirse con la similitud del coseno o con un producto escalar.
Lo que conviene saber
Los vectores de modelos distintos no son comparables, así que cambiar de modelo supone volver a generar todos los embeddings. La longitud del vector es la dimensión del embedding, que determina el coste de almacenamiento. Un embedding capta bien el significado general, pero puede pasar por alto identificadores exactos como los códigos de producto, que es una de las razones por las que los equipos añaden búsqueda por palabras clave en una configuración de búsqueda híbrida.
Términos relacionados
- Base de datos vectorial
- Una base de datos vectorial (vector database) guarda embeddings junto a sus registros de origen y encuentra los vectores guardados más cercanos a un vector de consulta, normalmente con un índice aproximado para que la búsqueda siga siendo rápida con millones de elementos.
- Dimensión del embedding
- La dimensión del embedding (embedding dimension) es el número de valores de cada vector que produce un modelo de embeddings. Más dimensiones pueden contener más detalle, pero cada valor extra añade coste de almacenamiento, memoria y búsqueda por elemento.
- Similitud del coseno
- La similitud del coseno (cosine similarity) mide cuánto se parecen dos vectores según el ángulo que forman. Va de -1 a 1, ignora la longitud de los vectores y es la forma más habitual de comparar embeddings en búsqueda.
- Búsqueda vectorial
- La búsqueda vectorial (vector search) encuentra elementos comparando sus embeddings con el embedding de una consulta y devolviendo los más cercanos, de modo que los resultados coinciden por significado y no por palabras clave compartidas.
- MTEB
- MTEB, el Massive Text Embedding Benchmark, es un benchmark y leaderboard público que puntúa modelos de embedding de texto en muchos tipos de tarea, como recuperación, clustering, clasificación y reranking, sobre muchos conjuntos de datos e idiomas.