{"id":7793,"date":"2025-10-23T06:00:13","date_gmt":"2025-10-23T13:00:13","guid":{"rendered":"https:\/\/www.couchbase.com\/com-2026\/press-releases\/benchmark-testing-demonstrates-couchbase-vector-search-is-over-350-times-faster-with-93-recall-accuracy-than-competitor-at-billion-vector-scale\/"},"modified":"2025-10-23T06:00:13","modified_gmt":"2025-10-23T13:00:13","slug":"benchmark-testing-demonstrates-couchbase-vector-search-is-over-350-times-faster-with-93-recall-accuracy-than-competitor-at-billion-vector-scale","status":"publish","type":"press-releases","link":"https:\/\/www.couchbase.com\/es\/press-releases\/benchmark-testing-demonstrates-couchbase-vector-search-is-over-350-times-faster-with-93-recall-accuracy-than-competitor-at-billion-vector-scale\/","title":{"rendered":"Las pruebas comparativas demuestran que la b\u00fasqueda vectorial de Couchbase es m\u00e1s de 350 veces m\u00e1s r\u00e1pida, con una precisi\u00f3n de recuperaci\u00f3n de 931 TP3T, que la de la competencia a escala de miles de millones de vectores."},"content":{"rendered":"

El \u00edndice vectorial hiperescala (HVI) de Couchbase ofrece un rendimiento revolucionario frente a MongoDB en una prueba de rendimiento independiente a escala de miles de millones. <\/span><\/i><\/p>\n\n\n\n

SAN JOS\u00c9, California. 23 de octubre de 2025. <\/b>Couchbase, Inc.<\/a>, la plataforma de datos para desarrolladores para aplicaciones cr\u00edticas en nuestro mundo de inteligencia artificial, ha anunciado hoy los resultados de un estudio de Couchbase. referencia<\/a> prueba realizada con una herramienta independiente que demuestra que el \u00edndice 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 metodolog\u00eda VectorDBBench, est\u00e1ndar del sector, muestran que Couchbase alcanza m\u00e1s de 700 consultas por segundo (QPS) con una latencia inferior a un segundo y una mayor precisi\u00f3n, lo que supone una velocidad 350 veces superior a la de MongoDB Atlas en condiciones id\u00e9nticas.<\/p>\n\n\n\n

La rigurosa comparaci\u00f3n directa evalu\u00f3 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 precisi\u00f3n de recuperaci\u00f3n en m\u00faltiples configuraciones de recuperaci\u00f3n. Los resultados de la evaluaci\u00f3n revelan diferencias de rendimiento dr\u00e1sticas que se acent\u00faan a\u00fan m\u00e1s a medida que las aplicaciones requieren niveles de precisi\u00f3n de recuperaci\u00f3n m\u00e1s altos.<\/p>\n\n\n\n

\u201cCuando se desarrollan aplicaciones de IA a gran escala, el rendimiento no es solo algo deseable, sino que determina si la aplicaci\u00f3n ofrece un valor que hace que valga la pena adoptarla\u201d, afirma BJ Schaknowski, director ejecutivo de Couchbase. \u201cLo vemos a diario con nuestros clientes. En este momento est\u00e1n tomando decisiones de infraestructura que permitir\u00e1n llevar a cabo sus iniciativas de IA o crear\u00e1n cuellos de botella con los que tendr\u00e1n que lidiar durante a\u00f1os. Estos resultados de referencia muestran lo que ya sabemos: a escala de miles de millones de vectores, las decisiones arquitect\u00f3nicas tienen implicaciones enormes en lo que realmente se puede ofrecer como aplicaciones basadas en GenAI. Couchbase ofrece a las empresas el rendimiento y la precisi\u00f3n que necesitan sin la tradicional disyuntiva entre ambos, y todo ello con un costo total de propiedad m\u00e1s bajo\u201d.\u201d<\/p>\n\n\n\n

Principales conclusiones del estudio comparativo<\/h6>\n\n\n\n

Las pruebas demuestran que la arquitectura de Couchbase permite a las organizaciones lograr simult\u00e1neamente un rendimiento excepcional y una alta precisi\u00f3n en aplicaciones de b\u00fasqueda vectorial.<\/p>\n\n\n\n

Con una configuraci\u00f3n de velocidad optimizada, Couchbase alcanz\u00f3 19,057 QPS con una latencia de 28 milisegundos y una precisi\u00f3n de recuperaci\u00f3n de 66%, mientras que MongoDB solo logr\u00f3 6 QPS con una recuperaci\u00f3n de 57% y una latencia de 62.6 segundos, lo que supone una ventaja de rendimiento de 3,176 veces para Couchbase. Cuando se configur\u00f3 para una recuperaci\u00f3n de alta precisi\u00f3n, Couchbase mantuvo 703 QPS con una latencia inferior a un segundo de 369 milisegundos y una precisi\u00f3n de recuperaci\u00f3n de 931 TP3T. Por el contrario, el rendimiento de MongoDB cay\u00f3 a solo 2 QPS con m\u00e1s de 40 segundos de latencia a 891 TP3T de precisi\u00f3n de recuperaci\u00f3n, lo que le dio a Couchbase una ventaja de rendimiento 350 veces mayor, al tiempo que ofrec\u00eda una mayor precisi\u00f3n.<\/p>\n\n\n\n

El enfoque t\u00e9cnico impulsa las ventajas en cuanto al rendimiento<\/h6>\n\n\n\n

El HVI de Couchbase aprovecha el algoritmo de b\u00fasqueda del vecino m\u00e1s cercano DiskANN con el algoritmo de construcci\u00f3n 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 cuantificaci\u00f3n escalar (SQ4), que reduce el consumo de memoria sin perder precisi\u00f3n.<\/p>\n\n\n\n

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 n\u00facleos y 128 GB de RAM cada uno) y tres nodos de datos (32 n\u00facleos 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 par\u00e1metros optimizadas para niveles comparables de amplitud de b\u00fasqueda, en los que una configuraci\u00f3n de b\u00fasqueda m\u00e1s amplia proporciona una mayor precisi\u00f3n de recuperaci\u00f3n.<\/p>\n\n\n\n

La metodolog\u00eda completa de las pruebas y los resultados detallados est\u00e1n disponibles en el documento t\u00e9cnico. informe<\/a> \u201cComparaci\u00f3n de las capacidades de b\u00fasqueda vectorial de MongoDB y Couchbase mediante pruebas comparativas con VectorDBBench\u201d. Los resultados muestran que Couchbase ofrece un mayor rendimiento, con menos latencia y unos costos por operaci\u00f3n significativamente m\u00e1s bajos. <\/p>\n\n\n\n

Implicaciones para las aplicaciones de IA empresarial<\/h6>\n\n\n\n

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 t\u00e9cnico, 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 arquitect\u00f3nicas tienen profundas implicaciones en la capacidad de respuesta de las aplicaciones, los costos de infraestructura y la escalabilidad.<\/p>\n\n\n\n

Disponibilidad<\/h6>\n\n\n\n

Couchbase 8.0 con capacidades HVI, tambi\u00e9n anunciado<\/a> Esta semana, ya est\u00e1 disponible de forma generalizada tanto para implementaciones autogestionadas como basadas en Capella. Las organizaciones pueden realizar implementaciones en entornos locales, en la nube y perif\u00e9ricos para satisfacer los requisitos de sus aplicaciones de inteligencia artificial.<\/p>\n\n\n\n

Recursos adicionales<\/h6>\n\n\n\n