Hippocampus vs PageIndex comparados

En esta páginaResumen

Resumen
Benchmark
Cuándo PageIndex es la mejor opción
Prueba Hippocampus con los mismos documentos
Fuentes y última actualización
Preguntas frecuentes

Resumen

Dimensión	Hippocampus	PageIndex
Región de alojamiento y autoalojamiento	Los documentos y la estructura de conocimiento se almacenan en la UE (Finlandia), cifrados. La inferencia de modelos se ejecuta en EE. UU. por defecto; en Corporate puede ejecutarse alojada en la UE o en tu propio entorno. El alojamiento en tu propia nube o en tus instalaciones forma parte del paquete Enterprise. Seguridad	El modo local de código abierto (MIT) se ejecuta en tu propia máquina con tu propia clave de LLM. Enterprise ofrece SaaS, despliegue dedicado, VPC privada en AWS, Azure o GCP, e instalación local, incluso aislada de la red. Nombres de las regiones de alojamiento: no documentados. GitHub, Enterprise (consultado en octubre de 2026)
Atribución de fuentes (cita a nivel de página)	Cada respuesta incluye el documento, la ruta de secciones, la página inicial y final, los desplazamientos de bytes y el texto utilizado. Las citas proceden del paso de recuperación, no del modelo.	El modo local cita a nivel de página; Cloud añade citas a nivel de bloque con un recuadro delimitador opcional. Chat SDK, Agents SDK (consultado en octubre de 2026)
Aplicación de permisos en el momento de la consulta	Se aplican dentro de la búsqueda como filtro antes del ranking; no devuelve nada si no se pueden comprobar los permisos. Un resumen de varios documentos solo lo ven las personas que pueden leerlos todos. Los agentes obedecen los mismos permisos. Seguridad	Permisos de documentos por usuario: no documentados. Enterprise ofrece control de acceso basado en roles, SSO, espacios de trabajo multiusuario y registros de auditoría; la documentación de agentes indica que las herramientas del framework mantienen acceso a toda la biblioteca. Enterprise, Agents SDK (consultado en octubre de 2026)
Comportamiento ante preguntas sin respuesta	Cuando la recuperación no devuelve nada, la pregunta se rechaza en lugar de adivinarse. Un rechazo cuesta los mismos créditos que una respuesta.	El prompt del agente de código abierto indica al modelo que lo diga cuando los documentos no responden. Es una instrucción del prompt; la documentación no lo describe. agent_tools.py (consultado en octubre de 2026)
Arquitectura de recuperación (memoria estructurada, índice vectorial o búsqueda en archivos)	Memoria estructurada creada en la importación: un árbol por documento con un resumen índice, resúmenes de sección y secciones hoja con páginas y rangos de bytes. Dos embudos, de arriba abajo sobre los resúmenes y de abajo arriba con búsqueda por palabras clave y embeddings sobre las secciones hoja, fusionados en un único ranking. Desarrolladores	Sin vectores: un índice en árbol jerárquico por documento, sobre el que un LLM razona para encontrar y leer secciones. GitHub (consultado en octubre de 2026)
Modelos de respuesta compatibles	Cualquier modelo de lenguaje. Tú eliges qué modelo responde, configurado por espacio de trabajo; en Corporate puedes usar tu propia clave de modelo o dejar que los administradores elijan los modelos. Desarrolladores	Cualquier proveedor: OpenAI, Anthropic, OpenRouter o cualquier endpoint compatible con OpenAI. Chat SDK, Primeros pasos (consultado en octubre de 2026)
Disponibilidad de API y MCP	Un servidor MCP con inicio de sesión OAuth en el navegador y una API REST en acceso anticipado. Desarrolladores	SDK para Python y JavaScript. Un servidor MCP alojado, solo en Cloud, para documentos ya indexados en Cloud. Referencia de endpoints REST: no documentada. MCP, Primeros pasos (consultado en octubre de 2026)
Formato de exportación de datos	Open Knowledge Format: una carpeta por documento en Markdown con front matter YAML, que contiene el resumen índice, el texto completo, el archivo original y una carpeta por sección. Legible a través de la API y exportable mientras la cuenta esté activa. Desarrolladores	Por documento a través del SDK: el árbol en JSON y el texto extraído en Markdown. Exportación de toda la cuenta: no documentada. Documents SDK, Condiciones (consultado en octubre de 2026)
Uso de los datos del cliente para entrenamiento	Nunca se usan para entrenar IA, ni por Thalius ni por los proveedores de modelos; sus contratos lo prohíben. Seguridad	Entrenamiento con datos del cliente: no documentado. Las condiciones permiten al proveedor usar los datos del cliente para mejorar el software. Condiciones, Enterprise (consultado en octubre de 2026)
Modelo de precios y nivel gratuito	Créditos, una sola unidad en todos los niveles. Nivel Free con créditos mensuales incluidos y sin tarjeta, Starter, y Corporate bajo presupuesto. Un rechazo cuesta lo mismo que una respuesta. Importes en Precios	Cloud se cobra por uso, sin mínimo mensual: 0,01 $ por página indexada una vez, 0,001 $ por página activa al mes con las primeras 1.000 gratis, sin cargos por recuperación y sin incluir la inferencia del LLM. 10 $ en créditos gratuitos, sin tarjeta. El modo local es gratuito; Enterprise se contrata a través de ventas. Precios (consultado en octubre de 2026)

Benchmark

Diez documentos públicos de la FDA sobre Saxenda, Wegovy y Zepbound (2.198 páginas), dieciséis preguntas redactadas por el equipo de Atrogi, cada una formulada tres veces en conversaciones independientes. Todos los sistemas respondieron a través del mismo modelo, GPT-5.4 mini, el 17 de septiembre de 2026. Un modelo evaluador, GPT-5 con tres votos y veredicto por mayoría, comparó cada respuesta con una respuesta de referencia; rechazar la pregunta de control cuenta como correcto.

Hippocampus: 40 de 48 correctas*, 79 % ponderado, mediana de 20 segundos por respuesta.
Método de PageIndex, nuestra adaptación: 33 de 48 correctas*, 65 % ponderado, mediana de 8 segundos por respuesta.

La fila de PageIndex es nuestra adaptación de su método publicado de búsqueda en árbol: un paso, hasta seis secciones, 12.000 caracteres por sección. No se usaron los servicios propios de recuperación y chat de PageIndex. Esos límites pueden perjudicar a las respuestas repartidas en muchas secciones o situadas en tablas largas.

La puntuación ponderada cuenta las preguntas fáciles una vez, las medias dos y las difíciles tres. En la pregunta de control, que los documentos no pueden responder, la configuración de PageIndex la rechazó todas las veces; Hippocampus dijo cada vez que los documentos no permiten una clasificación y, en dos de tres respuestas, ofreció el orden de aprobación como aproximación, indicándolo expresamente.

Lo que este resultado no muestra:

La distancia entre los dos primeros sistemas de la tabla completa, Hippocampus con 40 y OpenAI File Search con 36 de media, queda dentro de la variación entre ejecuciones.
Las configuraciones de Hippocampus probadas el 16 y 17 de septiembre obtuvieron entre 37 y 40 de 48. La cifra anterior corresponde a una ejecución que obtuvo 40.
La guía de búsqueda que Hippocampus da al modelo se afinó con estas mismas dieciséis preguntas. Los demás sistemas se ejecutaron con los valores por defecto del proveedor más una instrucción de una frase: responder solo a partir del material.
File Search se ejecutó dos veces. Los demás sistemas, PageIndex incluido, se ejecutaron una vez, así que diferencias de unas pocas respuestas pueden deberse solo a la variación.
Hippocampus es el sistema más lento de los probados: una mediana de 20 segundos por respuesta frente a entre 5 y 8 segundos en los demás. Son tiempos de una respuesta completa, en la que el modelo busca tantas veces como necesita. En nuestro informe de benchmarks posterior, una sola búsqueda de Hippocampus tarda 1,8 segundos en la mediana.
El modelo evaluador es GPT-5 de OpenAI, y el modelo de respuesta y dos de los sistemas probados también son de OpenAI.

La tabla completa con los cinco sistemas está en Hippocampus frente a OpenAI File Search y PageIndex. El corpus, las preguntas y los resultados con tres modelos de respuesta están en el benchmark GLP-1 de la FDA, y todos los resultados publicados están en Pruebas.

* Modelo de respuesta GPT-5.4 mini para todos los sistemas. Evaluación por GPT-5, tres votos, veredicto por mayoría. Evaluación de Thalius, 17 de septiembre de 2026.

Respuestas correctas de 48 en el benchmark de la FDA

Cada barra cuenta las respuestas correctas de 48 sobre diez documentos públicos de la FDA, dieciséis preguntas formuladas tres veces cada una.

Hippocampus 40 de 48
Enfoque de PageIndex, nuestra adaptación 33 de 48

Vista de tabla: cada recuento detrás del gráfico

Respuestas correctas de 48 en el benchmark de la FDA
Nombre	Valor	Nota
Hippocampus	40 de 48
Enfoque de PageIndex, nuestra adaptación	33 de 48	Un paso, hasta seis secciones, 12.000 caracteres por sección

n = 16 preguntas, tres intentos cada una, 48 respuestas por sistema · modelo de respuesta GPT-5.4 mini para todos los sistemas · evaluador GPT-5, tres votos, veredicto por mayoría · 17 de septiembre de 2026 · evaluación de Thalius. Las configuraciones de Hippocampus puntuaron de 37 a 40 de 48; esta ejecución puntuó 40. No se usaron los servicios propios de recuperación y chat de PageIndex.

Cuándo PageIndex es la mejor opción

Quieres código abierto que controlas: el modo local tiene licencia MIT, se ejecuta en tu propia máquina con tu propia clave de LLM, y Enterprise añade opciones de VPC privada e instalación local aislada de la red (GitHub, Enterprise, consultado en octubre de 2026).
Quieres pagar por la indexación, no por la recuperación: Cloud cobra por página indexada y por página activa, sin cargos por recuperación, y tú aportas cualquier LLM compatible con OpenAI (Precios, Chat SDK, consultado en octubre de 2026).
Necesitas citas que apunten dentro de la página: Cloud devuelve citas a nivel de bloque con un recuadro delimitador opcional, y ofrece un servidor MCP alojado y SDK para frameworks de agentes (Agents SDK, MCP, consultado en octubre de 2026).
La velocidad importa más que la profundidad: en nuestro benchmark de la FDA, la configuración de PageIndex respondió con una mediana de 8 segundos frente a 20 de Hippocampus, y rechazó la pregunta de control todas las veces.

Prueba Hippocampus con los mismos documentos

Sube los documentos que indexarías en PageIndex, hazle a Hippocampus las mismas preguntas y compara las citas una junto a otra. Empieza gratis, sin tarjeta. Antes, lee cómo aplica Hippocampus los permisos y dónde almacena los documentos, la API, el servidor MCP y el formato de exportación, cómo funcionan los créditos en cada nivel y el alojamiento en tu propia nube o en tus instalaciones con el paquete Enterprise.

Fuentes y última actualización

Última actualización: octubre de 2026.

Preguntas

Preguntas frecuentes

¿Cómo se compara Hippocampus con PageIndex?

Hippocampus es la mejor opción para una capa de memoria alojada con almacenamiento en la UE, permisos aplicados dentro de la búsqueda y citas hasta la página y el rango de bytes. PageIndex es la mejor opción para código con licencia MIT en tu propia máquina. En el benchmark de la FDA de Thalius, Hippocampus respondió correctamente 40 de 48 y una adaptación de Thalius del enfoque de PageIndex 33 de 48, más rápida, con una mediana de 8 segundos frente a 20. El benchmark no usó los servicios propios de PageIndex.

¿PageIndex es de código abierto?

Sí: el modo local de PageIndex tiene licencia MIT y se ejecuta en tu propia máquina con tu propia clave de LLM (consultado en octubre de 2026). PageIndex Cloud y sus despliegues Enterprise son ofertas alojadas o contratadas a través de ventas. Hippocampus se ejecuta en la nube de Thalius en la UE, o en tu propia nube o en tus instalaciones como parte del paquete Enterprise.

¿Hippocampus usa embeddings? ¿Y PageIndex?

Hippocampus sí, junto con la estructura: crea un árbol por documento y fusiona un recorrido de arriba abajo sobre los resúmenes con una búsqueda por palabras clave y embeddings sobre las secciones hoja. PageIndex se describe a sí mismo como sin vectores: un LLM razona sobre un índice en árbol por documento (consultado en octubre de 2026).

¿Qué modelos de respuesta puedo usar?

Ambos funcionan con más de un proveedor. PageIndex funciona con OpenAI, Anthropic, OpenRouter o cualquier endpoint compatible con OpenAI, y la inferencia del LLM se factura aparte (consultado en octubre de 2026). Hippocampus funciona con cualquier modelo de lenguaje: tú eliges qué modelo responde, configurado por espacio de trabajo, y en Corporate puedes usar tu propia clave de modelo.

¿Cuál ofrece citas más precisas?

Depende del modo: PageIndex Cloud cita a nivel de bloque con un recuadro delimitador opcional, y el modo local a nivel de página (consultado en octubre de 2026). Hippocampus cita el documento, la ruta de secciones, la página inicial y final y los desplazamientos de bytes, con el texto utilizado.

¿Se evaluó el servicio propio de PageIndex?

No: nuestro benchmark de la FDA usó nuestra adaptación del método publicado de búsqueda en árbol de PageIndex, no los servicios propios de recuperación y chat de PageIndex. Esa configuración obtuvo 33 de 48 frente a 40 de 48 de Hippocampus, con GPT-5.4 mini respondiendo en todos los sistemas el 17 de septiembre de 2026.

Hippocampus vs PageIndex, comparados en diez dimensiones