¿Vertex AI Search pasa a llamarse Agent Search?

Sí: la documentación de Google indica que Vertex AI Search pasa a llamarse Agent Search, dentro de Gemini Enterprise Agent Platform, y que la API sigue siendo discoveryengine.googleapis.com (consultado en octubre de 2026).

¿Aplica Vertex AI Search los permisos de los documentos?

Sí, por usuario, cuando el control de acceso se elige al crear el almacén de datos: los resultados se limitan a los documentos que el usuario que busca puede ver, con la identidad de Google Identity o de un proveedor federado como Entra ID, Okta o Ping (consultado en octubre de 2026). Hippocampus aplica permisos de carpeta y de documento, grupos y herencia dentro de la búsqueda, antes del ranking.

¿Puedo mantener mis datos en la UE?

Sí, con ambos, con límites distintos. Vertex AI Search ofrece una multirregión de la UE con residencia de datos en reposo, en la que algunas funciones están limitadas en comparación con la ubicación global (consultado en octubre de 2026). Hippocampus almacena los documentos y la estructura de conocimiento en la UE (Finlandia); la inferencia del modelo se ejecuta por defecto en EE. UU. y en Corporate puede ejecutarse alojada en la UE o en tu propio entorno.

¿Qué modelos de respuesta admite cada uno?

Vertex AI Search responde con modelos Gemini, elegidos con un ajuste de versión del modelo (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.

¿Se ha comparado Hippocampus con Vertex AI Search en un benchmark?

Sí, en tres benchmarks públicos. En nuestro informe de benchmark, versión 3.1 (20 de octubre de 2026), Hippocampus tiene una tasa de éxito del 92,2 % en FinanceBench, del 81,2 % en SECQUE y del 85,7 % en LegalBench-RAG, frente al 40,6 %, 44,7 % y 76,1 % de Vertex AI Search. Vertex AI Search no forma parte de nuestro benchmark GLP-1 de la FDA.

Comparativa · 18 de octubre de 2026

Hippocampus vs Vertex AI Search (Agent Search), comparados en diez dimensiones

Q: ¿Cómo se compara Hippocampus con Vertex AI Search (Agent Search)?

Vertex AI Search (Agent Search) es la mejor opción para documentos que ya están en Google Drive, Cloud Storage o BigQuery, o cuando los permisos por usuario deben venir de un proveedor de identidad federado. Hippocampus es la mejor opción cuando cada respuesta debe poder comprobarse en una página y un rango de bytes, y cuando quieres elegir qué modelo de lenguaje responde. Vertex AI Search es uno de los cinco sistemas del informe de Thalius sobre FinanceBench, SECQUE y LegalBench-RAG y no está en el benchmark de la FDA.

Vertex AI Search, que Google está renombrando como Agent Search dentro de Gemini Enterprise Agent Platform (documentación de Google Cloud, consultada en octubre de 2026), es la mejor opción cuando tus documentos ya están en Google Drive, Cloud Storage o BigQuery, cuando los permisos por usuario deben venir de un proveedor de identidad federado o cuando tu equipo trabaja sobre Gemini. Hippocampus es la mejor opción cuando cada respuesta debe poder comprobarse contra una página y un rango de bytes, cuando quieres elegir qué modelo de lenguaje responde, configurado por espacio de trabajo, y cuando quieres recuperar la base de conocimiento como Markdown abierto. Vertex AI Search no forma parte de nuestro benchmark de la FDA. En benchmarks públicos, Vertex AI Search es uno de los cinco sistemas de nuestro informe de benchmarks: consulta FinanceBench, SECQUE y LegalBench-RAG.

Este artículo compara los dos productos dimensión por dimensión y, en adelante, llama al producto Vertex AI Search (Agent Search). Nuestro artículo anterior Hippocampus frente a OpenAI File Search y PageIndex es un benchmark de otros sistemas; Vertex AI Search no formaba parte de él. También comparamos Hippocampus vs OpenAI File Search y Hippocampus vs PageIndex.

Resumen

Dimensión	Hippocampus	Vertex AI Search (Agent Search)
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	Ubicaciones: global, además de multirregiones de EE. UU. y de la UE con residencia de datos en reposo. Google recomienda la ubicación global para disponer de todas las funciones; algunas funciones están limitadas en las multirregiones de EE. UU. y de la UE. En instalaciones propias o autoalojado: no documentado. Ubicaciones (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 método answer puede citar una fuente por cada frase. Una API aparte, Check Grounding, cita los fragmentos que respaldan cada afirmación con una puntuación de respaldo. Cita a nivel de página: no documentada. Método answer, Check grounding (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	Los resultados se limitan a los documentos que el usuario que busca puede ver, a partir de listas de acceso aportadas en la ingesta y de la identidad de Google Identity o de proveedores federados (Entra ID, Okta, Ping). Abarca Cloud Storage, BigQuery, Google Drive y fuentes de terceros. Se elige al crear el almacén de datos; hasta 3.000 lectores por documento. Control de acceso (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.	Opcional: hay opciones de la solicitud que omiten la respuesta en consultas adversarias o que no buscan una respuesta y devuelven resultados de búsqueda, o que devuelven una respuesta alternativa cuando el contenido no es pertinente. En los ejemplos están desactivadas por defecto. Método answer (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	Análisis gestionado (analizador digital, OCR o de maquetación) y fragmentación de documentos para RAG; búsqueda semántica e híbrida. Funcionamiento interno del ranking y los embeddings: no documentado. Analizar y fragmentar documentos, Precios (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	Modelos Gemini, elegidos con un ajuste de versión del modelo. Otros modelos para el método answer: no documentados. Modelos de generación de respuestas (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	API REST con bibliotecas cliente, una consola y un widget integrable. Un servidor MCP remoto alojado por Google con herramientas de búsqueda, búsqueda conversacional y listado de motores. Referencia de MCP (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	No hay función ni formato de exportación documentados. Los documentos pueden listarse a través de la API REST y los fragmentos leerse como JSON. Formato de exportación masiva: no documentado. documents.list, Analizar y fragmentar documentos (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	Google afirma que no usa tus datos para entrenar ni ajustar modelos sin tu permiso o instrucción. Una adenda sectorial sobre el uso de datos permite a Google tomar muestras de datos para mejorar sus tecnologías; si se aplica a una aplicación de búsqueda simple: no documentado. Gobernanza de datos, Condiciones de uso de datos (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	Dos modelos: pago por uso por cada 1.000 consultas más el almacenamiento del índice, o una suscripción configurable con mínimos. Una asignación mensual de prueba gratuita de consultas. Importes en la página de precios (consultado en octubre de 2026)

Benchmark

Vertex AI Search es uno de los cinco sistemas de nuestro informe de benchmark público, versión 3.1 (20 de octubre de 2026). En la tasa de éxito, Hippocampus obtiene un 92,2 % en FinanceBench frente al 40,6 % de Vertex AI Search, un 81,2 % en SECQUE frente al 44,7 % y un 85,7 % en LegalBench-RAG frente al 76,1 % (a Vertex AI Search se le quitaron las comillas de la consulta de búsqueda, como explica esa entrada). Vertex AI Search no forma parte de nuestro benchmark GLP-1 de la FDA. Nuestro benchmark publicado usa diez documentos públicos de la FDA sobre Saxenda, Wegovy y Zepbound (2.198 páginas) y dieciséis preguntas redactadas por el equipo de Atrogi. El corpus, las preguntas y los resultados de Hippocampus están en el benchmark GLP-1 de la FDA, y todos los resultados publicados están en Pruebas.

Cuándo Vertex AI Search (Agent Search) es la mejor opción

Tus documentos están en Google Drive, Cloud Storage o BigQuery y los permisos deben seguir la identidad de cada usuario: Vertex AI Search (Agent Search) filtra los resultados según la lista de acceso del usuario que busca, con la identidad de Google Identity o de Entra ID, Okta o Ping federados (Control de acceso, consultado en octubre de 2026).
Quieres una comprobación de fundamentación aparte: la API Check Grounding puntúa una respuesta candidata de 0 a 1 frente a los hechos aportados y cita los fragmentos que respaldan cada afirmación (Check grounding, consultado en octubre de 2026).
Quieres una cadena de análisis gestionada dentro de Google Cloud: analizadores digital, OCR y de maquetación, fragmentación para RAG y residencia de datos en reposo en las multirregiones de EE. UU. o de la UE (Analizar y fragmentar documentos, Ubicaciones, consultado en octubre de 2026).
Tu equipo trabaja sobre Gemini: el método answer usa modelos Gemini elegidos con un ajuste de versión del modelo (Modelos de generación de respuestas, consultado en octubre de 2026).

Prueba Hippocampus con los mismos documentos

Sube los documentos que pondrías en un almacén de datos de Vertex AI Search (Agent Search), hazle a Hippocampus las mismas preguntas y abre la página citada en cada respuesta. 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.