El índice vectorial hiperescala (HVI) de Couchbase ofrece un rendimiento revolucionario frente a MongoDB en una prueba de rendimiento independiente a escala de miles de millones.

SAN JOSÉ, California. 23 de octubre de 2025. Couchbase, Inc., la plataforma de datos para desarrolladores para aplicaciones críticas en nuestro mundo de inteligencia artificial, ha anunciado hoy los resultados de un estudio de Couchbase. referencia prueba realizada con una herramienta independiente que demuestra que el índice vectorial a hiperescala (HVI) de Couchbase ofrece ventajas de rendimiento excepcionales con respecto a las soluciones de la competencia a una escala de miles de millones de vectores. Las pruebas exhaustivas, realizadas con la metodología VectorDBBench, estándar del sector, muestran que Couchbase alcanza más de 700 consultas por segundo (QPS) con una latencia inferior a un segundo y una mayor precisión, lo que supone una velocidad 350 veces superior a la de MongoDB Atlas en condiciones idénticas.

La rigurosa comparación directa evaluó Couchbase y MongoDB con conjuntos de datos de 100 millones de vectores con 768 dimensiones y 1000 millones de vectores con 128 dimensiones, midiendo las QPS, la latencia de respuesta y la precisión de recuperación en múltiples configuraciones de recuperación. Los resultados de la evaluación revelan diferencias de rendimiento drásticas que se acentúan aún más a medida que las aplicaciones requieren niveles de precisión de recuperación más altos.

“Cuando se desarrollan aplicaciones de IA a gran escala, el rendimiento no es solo algo deseable, sino que determina si la aplicación ofrece un valor que hace que valga la pena adoptarla”, afirma BJ Schaknowski, director ejecutivo de Couchbase. “Lo vemos a diario con nuestros clientes. En este momento están tomando decisiones de infraestructura que permitirán llevar a cabo sus iniciativas de IA o crearán cuellos de botella con los que tendrán que lidiar durante años. Estos resultados de referencia muestran lo que ya sabemos: a escala de miles de millones de vectores, las decisiones arquitectónicas tienen implicaciones enormes en lo que realmente se puede ofrecer como aplicaciones basadas en GenAI. Couchbase ofrece a las empresas el rendimiento y la precisión que necesitan sin la tradicional disyuntiva entre ambos, y todo ello con un costo total de propiedad más bajo”.”

Principales conclusiones del estudio comparativo

Las pruebas demuestran que la arquitectura de Couchbase permite a las organizaciones lograr simultáneamente un rendimiento excepcional y una alta precisión en aplicaciones de búsqueda vectorial.

Con una configuración de velocidad optimizada, Couchbase alcanzó 19,057 QPS con una latencia de 28 milisegundos y una precisión de recuperación de 66%, mientras que MongoDB solo logró 6 QPS con una recuperación de 57% y una latencia de 62.6 segundos, lo que supone una ventaja de rendimiento de 3,176 veces para Couchbase. Cuando se configuró para una recuperación de alta precisión, Couchbase mantuvo 703 QPS con una latencia inferior a un segundo de 369 milisegundos y una precisión de recuperación de 931 TP3T. Por el contrario, el rendimiento de MongoDB cayó a solo 2 QPS con más de 40 segundos de latencia a 891 TP3T de precisión de recuperación, lo que le dio a Couchbase una ventaja de rendimiento 350 veces mayor, al tiempo que ofrecía una mayor precisión.

El enfoque técnico impulsa las ventajas en cuanto al rendimiento

El HVI de Couchbase aprovecha el algoritmo de búsqueda del vecino más cercano DiskANN con el algoritmo de construcción de grafos dirigidos Vamana, lo que proporciona flexibilidad para operar en memoria y en discos particionados para el procesamiento distribuido y para mantener un rendimiento excepcional de las consultas mientras se escala. La arquitectura incluye soporte para la cuantificación escalar (SQ4), que reduce el consumo de memoria sin perder precisión.

Las pruebas comparativas utilizaron configuraciones equivalentes en cuanto a hardware en la infraestructura de Amazon Web Services (AWS) para ambas plataformas, con cuatro nodos de consulta (64 núcleos y 128 GB de RAM cada uno) y tres nodos de datos (32 núcleos y 128 GB de RAM cada uno) para cada sistema. Ambos sistemas se sometieron a pruebas con las mismas cargas de trabajo y configuraciones de parámetros optimizadas para niveles comparables de amplitud de búsqueda, en los que una configuración de búsqueda más amplia proporciona una mayor precisión de recuperación.

La metodología completa de las pruebas y los resultados detallados están disponibles en el documento técnico. informe “Comparación de las capacidades de búsqueda vectorial de MongoDB y Couchbase mediante pruebas comparativas con VectorDBBench”. Los resultados muestran que Couchbase ofrece un mayor rendimiento, con menos latencia y unos costos por operación significativamente más bajos.

Implicaciones para las aplicaciones de IA empresarial

Cada segundo de retraso en las aplicaciones de IA se traduce en usuarios frustrados, transacciones abandonadas e ingresos perdidos. Para las empresas que implementan la IA a gran escala, el rendimiento de la base de datos no es solo un detalle técnico, sino que marca la diferencia entre una IA que aporta valor empresarial y una IA que se convierte en un costoso producto sin uso. Los resultados de las pruebas comparativas demuestran que las decisiones arquitectónicas tienen profundas implicaciones en la capacidad de respuesta de las aplicaciones, los costos de infraestructura y la escalabilidad.

Disponibilidad

Couchbase 8.0 con capacidades HVI, también anunciado Esta semana, ya está disponible de forma generalizada tanto para implementaciones autogestionadas como basadas en Capella. Las organizaciones pueden realizar implementaciones en entornos locales, en la nube y periféricos para satisfacer los requisitos de sus aplicaciones de inteligencia artificial.

Recursos adicionales

• Para obtener más información sobre las capacidades de búsqueda vectorial de Couchbase y acceder al informe completo de la evaluación comparativa, visite https://www.couchbase.com/products/vector-search/.
• Para obtener más información sobre cómo Couchbase ayuda a los clientes a hacer frente a sus retos de IA más críticos, haga clic en aquí.