Google presenta File Search para modelos Gemini: RAG muy fácil y económico

Crear un RAG con Gemini acaba de volverse increíblemente sencillo para los desarrolladores. Google ha lanzado su nueva herramienta File Search para la API de Gemini, simplificando drásticamente la Generación Aumentada por Recuperación (RAG).

OJO: No es nada nuevo, porque OpenAI ya lo tiene hace unas semanas, pero teniendo en cuenta la generosa capa gratuita y los precios de Google es algo muy interesante.

Aquí te dejamos lo más importante:

• RAG gestionado: olvídate de montar una base de datos vectorial o contratar una y gestionarla aparte. Google se encarga de todo: almacenamiento, chunking, embeddings y la inyección de contexto.
• Coste eficiente: almacenamiento y generación de embeddings en tiempo de consulta son gratis. Solo pagas por la indexación inicial de tus archivos y es muy barato (15 céntimos por millón de tókenes).
• Respuestas verificables: las respuestas del modelo incluyen citas automáticas para que sepas de dónde viene la información.
• Búsqueda vectorial potente: utiliza el modelo Gemini Embedding para entender el significado de tus consultas, no solo las palabras clave.
• Amplia compatibilidad: Soporta PDF, DOCX, TXT, JSON y muchos tipos de archivos de programación.

Con esto podrás crear de manera supersencilla cosas como: bots de soporte inteligentes, asistentes de conocimiento interno o plataformas de descubrimiento de contenido.

Este lanzamiento de Google, aunque llega a un espacio donde ya existen soluciones similares, marca un paso importante en la democratización de la IA avanzada. Al abstraer la complejidad del RAG y ofrecer un modelo de costes tan atractivo, Google no solo facilita la vida a los desarrolladores, sino que también intensifica la carrera por ofrecer las herramientas de IA más accesibles y potentes.

Aquí tienes un enlace a la documentación de esta característica, y a una aplicación de ejemplo en AI Studio que puedes probar y obtener su código.