DigUp y EmbeddingGemma 2: buscar archivos por lo que recordás

Recordás la conversación, la imagen o el tema del documento. El nombre del archivo, no. Sabés que guardaste aquello, pero encontrarlo exige abrir carpetas y probar palabras hasta dar con una pista.

DigUp propone buscar los archivos de una Mac describiendo su contenido. Utiliza EmbeddingGemma 2 para localizar documentos, imágenes, audio y vídeo dentro de las carpetas elegidas por el usuario. Es un proyecto de código abierto, con licencia MIT.

Este artículo se basa en la documentación y en la revisión de partes del código. No incluye una prueba de uso ni mediciones propias de precisión o velocidad.

Qué aporta EmbeddingGemma 2

Google presentó EmbeddingGemma 2 el 6 de octubre de 2026. El modelo amplía la primera generación, centrada en texto, para trabajar también con imágenes, audio y vídeo. Está diseñado para ejecutarse en dispositivos de consumo. Anuncio de Google.

Un embedding es una representación numérica de un contenido. Permite comparar una consulta con otros contenidos y ordenar candidatos por su cercanía semántica. En un buscador, eso ayuda a recuperar material relacionado aunque las palabras de la consulta no coincidan exactamente con las del archivo.

En este modelo, los distintos formatos comparten un espacio de 768 dimensiones. Una consulta escrita puede compararse con la representación de una fotografía o de un fragmento de audio. La arquitectura es modular: utiliza 270 millones de parámetros para texto y código, y alcanza 740 millones con los componentes de visión y audio. Guía técnica de Google.

La consecuencia práctica es que un buscador puede trabajar con lo que recordamos del contenido, aunque ese recuerdo sea una descripción y el original sea una imagen.

Del modelo a una herramienta cotidiana

DigUp guarda un índice local que relaciona archivos con segmentos de contenido. Su estructura conserva referencias a páginas y momentos de las grabaciones, además de los vectores y del texto utilizado para buscar. Esa relación permite que un resultado apunte a una parte concreta del archivo. Código del índice.

Pensemos en una empresa que conserva fotografías de trabajos anteriores, presupuestos y grabaciones de reuniones. Estas serían consultas interesantes para una prueba:

• «La entrada del local con una pared verde».
• «La propuesta que incluía mantenimiento mensual».
• «El momento en que hablamos de retrasar la entrega».

Son ejemplos propuestos, no resultados comprobados. Cada uno exige algo distinto: reconocer una escena, relacionar conceptos o localizar un tema dentro de una grabación.

El valor aparecería si la herramienta nos lleva al material correcto con menos intentos. Encontrar un archivo parecido puede servir como pista, pero todavía hay que abrirlo y comprobar si contiene lo que buscábamos.

Por qué sigue haciendo falta buscar palabras exactas

Lo bueno del proyecto es que combina búsqueda semántica con búsqueda por palabras. El código consulta un índice de texto y combina esas coincidencias con la similitud de los vectores. También modifica la ponderación cuando detecta consultas que parecen códigos o identificadores. Implementación del buscador.

Si busco «el presupuesto para renovar la recepción», necesito cierta flexibilidad. El documento podría hablar de una reforma del acceso. Si busco «FAC-2026-0418», necesito conservar la referencia exacta. Una factura de asunto parecido no resuelve esa búsqueda.

Esta combinación deja una lección útil para construir herramientas de negocio: conviene decidir qué partes de una búsqueda admiten aproximaciones y cuáles necesitan coincidencias precisas. El modelo ayuda a interpretar una descripción; los identificadores siguen teniendo su propia función.

Qué significa que funcione en la Mac

Según el proyecto, los archivos indexados permanecen en el equipo. Las conexiones declaradas son la descarga del modelo y la comprobación de actualizaciones, que puede desactivarse. También declara que no requiere cuenta ni utiliza telemetría. Son afirmaciones del mantenedor; esta revisión no incluye una auditoría de tráfico. Documentación de privacidad.

Para un negocio, procesar información localmente puede simplificar un caso de uso individual. Aun así, habría que decidir quién puede acceder al equipo, qué carpetas se incluyen y cómo se protege la información almacenada.

Tampoco equivale a resolver la búsqueda de toda una empresa. Si el material está repartido entre aplicaciones y ordenadores, quedan por resolver el acceso compartido, los permisos y la actualización de las fuentes. El alcance de la herramienta importa tanto como la capacidad del modelo.

Cómo comprobar si te sirve

DigUp requiere una Mac con Apple Silicon y macOS 14 o posterior. El repositorio ofrece una descarga e indica que el modelo ocupa unos 865 MB. La configuración comienza eligiendo las carpetas que se indexarán. Instalación.

Para evaluarlo, empezaría con una carpeta representativa y una prueba pequeña, preparada antes de ver los resultados:

1. Elegir diez archivos cuyo contenido conozcas y anotar qué debería encontrar cada consulta.
2. Mezclar descripciones, referencias exactas y búsquedas sobre imágenes o grabaciones.
3. Añadir dos consultas sobre contenido que no exista en esa carpeta.
4. Registrar si el resultado esperado aparece entre los cinco primeros y cuánto tardás en llegar al original correcto.
5. Compararlo con tu forma habitual de buscar, manteniendo las mismas consultas y archivos.

Es un protocolo propuesto, no una evaluación realizada. Las consultas sin respuesta permiten observar qué hace cuando falta información. También conviene probarlo en el idioma en que trabajás: Google advierte que el rendimiento del modelo varía entre idiomas y tareas. Ficha del modelo.

La misma dificultad de recuperación aparece en el proyecto para volver a consultar lo aprendido en YouTube. En ambos casos, conservar información es solo el principio. Lo que justifica la herramienta es poder volver a utilizarla.