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

Un nuevo proyecto de código abierto llamado turbovec, alojado en GitHub, propone acelerar la búsqueda vectorial con menor consumo de memoria. Desarrollado sobre el algoritmo TurboQuant de Google Research, turbovec afirma comprimir un corpus de 10 millones de documentos de 31 GB en float32 a solo 4 GB, sin fase de entrenamiento previa y con indexación online. Sus benchmarks indican que supera a FAISS FastScan en ARM entre un 12% y un 20% y, en varias configuraciones x86, iguala o supera. El índice admite Rust con bindings para Python y ofrece una variante IdMapIndex para identificadores externos. Instalación: pip install turbovec; Rust: cargo add turbovec.