Turbovec promete búsquedas vectoriales más rápidas que FAISS con 16x menos memoria

Un nuevo proyecto de código abierto alojado en GitHub busca competir en un terreno crítico para la IA moderna: la búsqueda vectorial. turbovec, desarrollado sobre el algoritmo TurboQuant de Google Research, asegura comprimir corpus masivos con una fracción de la memoria habitual, operar sin fase de entrenamiento separada y, en varios escenarios, superar a FAISS en velocidad de búsqueda. *** turbovec afirma reducir un corpus de 10 millones de documentos desde 31 GB de RAM en float32 a apenas 4 GB. El proyecto, escrito en Rust con enlaces de Python, promete indexación online, filtrado nativo en búsqueda y funcionamiento totalmente...