Modelos de embeddings para RAG

Modelos de embeddings y su configuración recomendada para RAG y búsqueda semántica.

contextetech

nomic-embed-text embeddings locally with Ollama

nomic-embed-text for a 100% local English RAG with Ollama: 768 dimensions, long…

768 dim. 0033 min

contextetech

BGE-M3 embeddings for RAG over long documents

BGE-M3 for RAG over long documents: 1024 dimensions, up to 8,192 tokens, 100+…

1024 dim. 0033 min

¿Qué es un modelo de embeddings?

Un modelo de embeddings convierte un texto en una lista de números (un vector). Textos de significado parecido dan vectores cercanos: es la base de la búsqueda semántica y del RAG.

Guía: Embeddings →