¿Qué es Marengo 3.5?
Marengo 3.5 es el modelo de embeddings multimodal de TwelveLabs, una empresa especializada en la comprensión de vídeo, lanzado el 31 de agosto de 2026. Convierte vídeo, audio, imágenes, texto y páginas PDF visuales en vectores dentro de un mismo espacio compartido, de modo que una consulta de texto o de imagen puede encontrar el momento exacto dentro de horas de grabación. Marengo 3.0 sigue siendo el modelo detrás del endpoint alojado /search de TwelveLabs, que no admite 3.5.
Los vectores tienen 512 dimensiones por defecto y pueden recortarse a 256 o 128; TwelveLabs dice que con 256 se conserva el 98,3 % de la puntuación completa y con 128, el 94,6 %. Las consultas pueden combinar texto con una imagen, un vídeo o un fragmento de audio, se puede fusionar en el embedding texto con marcas de tiempo, como guiones o nombres de jugadores, y una señal opcional de incertidumbre ayuda a la aplicación a decidir cuándo reordenar o abstenerse. El vídeo no tiene límite de duración, frente a las cuatro horas de 3.0, y la documentación enumera 36 idiomas.
La facturación ha pasado de minutos de vídeo a tokens cobrados por modalidad: en el lanzamiento, $0,26 por millón de tokens de vídeo, $0,065 de audio, $0,08 de imagen, $0,162 de documento y $0,20 de texto. Los planes de cuenta son Free, Plus ($29 al mes), Pro ($99) y Enterprise, cada uno con almacenamiento y un cupo mensual de trabajo; todas las cuentas pasan a esta estructura de planes el 4 de enero de 2027.
¿Cuánto cuesta Marengo 3.5?
| Plan | Precio | Qué incluye |
|---|---|---|
| Video | $0.26 per 1M tokens | |
| Audio | $0.065 per 1M tokens | |
| Image | $0.08 per 1M tokens | |
| Document | $0.162 per 1M tokens | |
| Text | $0.20 per 1M tokens |
Embed API en el lanzamiento, por 1M de tokens: vídeo $0,26, audio $0,065, imagen $0,08, documento $0,162, texto $0,20. Planes: Free, Plus $29/mes, Pro $99/mes, Enterprise a medida.
¿Merece la pena Marengo 3.5?
Marengo 3.5 merece estar en la lista corta siempre que el corpus sea sobre todo vídeo, pero el argumento descansa en las pruebas de la propia TwelveLabs. La empresa informa de una media de 70,57 en cinco conjuntos de datos de recuperación de texto a vídeo, 6,29 puntos por encima de Marengo 3.0, y de 67,38 en un agregado de ocho grupos a 512 dimensiones, frente a 62,35 de Gemini Embedding 2 y 50,34 de Amazon Nova Multimodal Embeddings a 3072. Marengo no figura en las tareas de vídeo de MTEB, así que nadie independiente lo ha comprobado.
El tamaño del vector es la ventaja práctica. Según TwelveLabs, un vector de 128 dimensiones sigue puntuando 63,75 en ese agregado, por encima de ambos rivales con 24 veces su tamaño, y las bases de datos vectoriales cobran más o menos en proporción a las dimensiones. Un archivo guardado a 128 dimensiones en lugar de 3072 necesita alrededor de una veinticuatroava parte del espacio.
El coste es más difícil de prever de lo que debería. Las tarifas por token están publicadas, pero las páginas que leímos no dicen cuántos tokens produce un segundo de vídeo o de audio, y los cupos de los planes solo se describen como Basic, Medium y High. Un vídeo con sonido se cobra por ambas pistas. Presupuestar un archivo de 10.000 horas exige, por tanto, generar embeddings de una muestra y leer el informe de uso.
La documentación esconde dos trampas. Los vectores de Marengo 3.5 no se pueden mezclar con los de 3.0, así que actualizar supone volver a generar todos los embeddings, y el endpoint alojado /search sigue funcionando con 3.0, de modo que los usuarios de 3.5 deben aportar su propia base de datos vectorial. En cuanto a los datos, la política de privacidad de TwelveLabs dice que los datos de los clientes se usan para mejorar sus servicios sin opción de exclusión, remitiéndose a los contratos con clientes cuando actúa como encargada del tratamiento, y sus páginas de seguridad y cumplimiento no mencionan ninguna certificación. Qwen3-VL-Embedding, que puede alojarse por cuenta propia, evita ambas cuestiones a costa de perder el ajuste específico para vídeo.
Dónde se gana su sitio
Un ingeniero de búsqueda en una cadena deportiva con un archivo de partidos de 20 años
Permitir que los productores encuentren una jugada concreta describiéndola
Generar embeddings de los partidos de forma asíncrona con marcadores y nombres de jugadores fusionados con marcas de tiempo, guardar vectores de 128 o 256 dimensiones en una base de datos propia y consultar con texto. Todo lo generado con 3.0 debe rehacerse, y la factura depende de un recuento de tokens por hora de vídeo que TwelveLabs no publica.
Un responsable de activos multimedia en una agencia de publicidad de 30 personas
Encontrar planos reutilizables de campañas anteriores a partir de un fotograma de referencia
Las consultas compuestas combinan una imagen subida con un texto como «mismo ángulo, de noche». Pro, a $99 al mes, incluye 200 GB de almacenamiento y excedente opcional, lo que encaja con una biblioteca de unos cientos de horas; Plus, a $29, detiene todo el uso al llegar a sus límites.
Una responsable de confianza y seguridad en una plataforma para compartir vídeos
Señalar las subidas que se parecen mucho a clips prohibidos conocidos
Generar embeddings de las nuevas subidas, compararlos con un conjunto de referencia y enviar los casos dudosos a una persona usando la señal de incertidumbre. TwelveLabs dice que la señal no es una probabilidad de acierto, así que los umbrales deben ajustarse con tráfico etiquetado antes de que decidan retiradas.
Antes de decidirte
- Puesta en marcha
- Crea una cuenta en TwelveLabs y llama al endpoint síncrono Embed para las consultas y a la API asíncrona de tareas para vídeo, audio, imágenes y PDF. El resultado son vectores que guardas tú, ya que /search no admite 3.5.
- Integraciones
- API REST y SDK de TwelveLabs. Entradas: vídeo en cualquier formato de FFmpeg de 360x360 a 5184x2160, imágenes JPEG o PNG de hasta 32 MB, audio WAV, MP3 o FLAC, y PDF de hasta 512 MB. En Amazon Bedrock, la documentación de integración de TwelveLabs solo enumera los ID de modelo de Marengo 3.0 y 2.7, así que 3.5 aún no está en Bedrock.
- Datos y privacidad
- La política de privacidad de TwelveLabs (enero de 2026) dice que los datos y resultados de los clientes, incluidos los embeddings, se usan para mejorar sus servicios, sin opción de exclusión; los contratos con clientes rigen cuando actúa como encargada del tratamiento. La retención dura mientras se use la cuenta. Sus páginas de seguridad y cumplimiento no mencionan ninguna certificación; Enterprise añade SSO/SAML.
- Coste a escala
- Con las tarifas de lanzamiento, mil millones de tokens de vídeo cuestan $260 y el audio correspondiente $65, pero no se publica el número de tokens por hora de grabación, así que el coste de un archivo exige una prueba. Los planes añaden almacenamiento: 50 GB en Plus por $29 y 200 GB en Pro por $99.
- Límites
- El vídeo debe durar al menos 4 segundos, sin límite superior; las imágenes, al menos 128x128. Los PDF se procesan página a página; otros tipos de documento están «coming soon». Los límites de uso dependen del método de subida y no figuran en la página del modelo. Los vectores de 3.5 son incompatibles con los de 3.0.
Lo bueno
- Diseñado para encontrar momentos en vídeo, no solo fotogramas
- Vectores de 512 dimensiones, reducibles a 128 con alrededor de un 5 % de pérdida
- Consultas compuestas y fusión de metadatos con marcas de tiempo
- Sin límite de duración de vídeo; 36 idiomas
Lo malo
- Todos los benchmarks son de la propia TwelveLabs
- No se publica cuántos tokens genera cada segundo de vídeo
- No es compatible con el propio endpoint /search de TwelveLabs
- La política de privacidad permite usar los datos de clientes para mejorar sus servicios
Ideal para
Equipos que crean búsquedas sobre grandes bibliotecas de vídeo, quieren una API de embeddings gestionada y especializada en vídeo, y gestionarán su propio almacén vectorial.
Alternativas a Marengo 3.5
Marengo 3.5: preguntas frecuentes
- ¿Merece la pena Marengo 3.5?
- Hecho a propósito para encontrar momentos en vídeo, con vectores pequeños que abaratan el almacenamiento, aunque todas las cifras que lo respaldan son de TwelveLabs. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta Marengo 3.5?
- Embed API en el lanzamiento, por 1M de tokens: vídeo $0,26, audio $0,065, imagen $0,08, documento $0,162, texto $0,20. Planes: Free, Plus $29/mes, Pro $99/mes, Enterprise a medida.
- ¿Qué inconvenientes tiene Marengo 3.5?
- Todos los benchmarks son de la propia TwelveLabs; no se publica cuántos tokens genera cada segundo de vídeo; no es compatible con el propio endpoint /search de TwelveLabs; la política de privacidad permite usar los datos de clientes para mejorar sus servicios.
- ¿Para quién es Marengo 3.5?
- Equipos que crean búsquedas sobre grandes bibliotecas de vídeo, quieren una API de embeddings gestionada y especializada en vídeo, y gestionarán su propio almacén vectorial.
- ¿Cuánto cuesta Marengo 3.5 para un equipo o en producción?
- Con las tarifas de lanzamiento, mil millones de tokens de vídeo cuestan $260 y el audio correspondiente $65, pero no se publica el número de tokens por hora de grabación, así que el coste de un archivo exige una prueba. Los planes añaden almacenamiento: 50 GB en Plus por $29 y 200 GB en Pro por $99.
- ¿Es Marengo 3.5 seguro para los datos de la empresa?
- La política de privacidad de TwelveLabs (enero de 2026) dice que los datos y resultados de los clientes, incluidos los embeddings, se usan para mejorar sus servicios, sin opción de exclusión; los contratos con clientes rigen cuando actúa como encargada del tratamiento. La retención dura mientras se use la cuenta. Sus páginas de seguridad y cumplimiento no mencionan ninguna certificación; Enterprise añade SSO/SAML.
- ¿Cuáles son las mejores alternativas a Marengo 3.5?
- Las alternativas más cercanas que hemos analizado son Gemini Embedding 2, Qwen3-VL-Embedding y Nemotron ColEmbed V2.
Respuestas comprobadas el 26 oct 2026.