Conclusiones clave
- El núcleo de Weaviate tiene licencia BSD-3-Clause; las funciones dentro del directorio
wl/del repositorio están cubiertas por una Weaviate License independiente que requiere unaLICENSE_KEYde pago para activarse - Totalmente autoalojable mediante Docker, Docker Compose o charts de Kubernetes/Helm — no se necesita una cuenta externa para ejecutar el núcleo con licencia BSD
- Weaviate Cloud es un servicio gestionado independiente y opcional con precios basados en el uso y un nivel gratuito, para equipos que no quieren operar su propio clúster
- Combina la búsqueda por similitud vectorial con la búsqueda por palabras clave BM25 en una sola consulta híbrida, además de filtrado por propiedades estructuradas de los objetos
- Ofrece APIs REST, GraphQL y gRPC, con bibliotecas cliente oficiales para Python, TypeScript/JavaScript, Go, Java y C#/.NET
- Admite módulos de vectorización integrados para OpenAI, Cohere, HuggingFace, Google y Ollama, o permite usar tus propios vectores ya calculados
- El repositorio en GitHub muestra aproximadamente 16.800 estrellas y unos 1.400 forks a septiembre de 2026
- Desarrollado y mantenido por Weaviate B.V., con sede en Ámsterdam, Países Bajos
📍 En una frase
Weaviate es una base de datos vectorial autoalojable con núcleo BSD-3-Clause para RAG y búsqueda semántica, con un conjunto definido de funciones bloqueadas bajo una licencia propietaria independiente que requiere una clave de pago.
💬 En términos simples
En lugar de pagarle a un proveedor de bases de datos vectoriales por almacenar y buscar tus embeddings, Weaviate te permite ejecutar la base de datos tú mismo en Docker o Kubernetes, de forma gratuita, usando el núcleo con licencia BSD. Un conjunto más pequeño de funciones avanzadas vive en una parte separada del código, que solo se activa si compras una clave de licencia — todo lo demás funciona sin ella.
📌Nota: Este análisis es el complemento en profundidad de la entrada de Weaviate en el Local LLM Software Directory — consulta esa página para ver cómo se compara Weaviate de un vistazo con docenas de otras herramientas de IA local.
¿Qué es Weaviate?
Weaviate es una base de datos vectorial open-core que almacena juntos los objetos de datos y sus embeddings vectoriales, de modo que se puede buscar por significado, por palabra clave, o por ambos a la vez. Su propia descripción en GitHub la define como "una base de datos vectorial de código abierto y nativa de la nube que almacena tanto objetos como vectores". A diferencia de un índice vectorial añadido después a una base de datos existente, Weaviate está diseñada desde cero como un almacén nativo de vectores, con esquema estructurado, filtrado y multi-tenencia incorporados.
- Función principal: una base de datos que indexa embeddings vectoriales junto con datos de objetos estructurados, consultable vía REST, GraphQL o gRPC
- Modos de búsqueda: búsqueda vectorial pura (vecinos más cercanos), búsqueda por palabras clave BM25, y búsqueda híbrida que combina ambas en una sola consulta
- Vectorización: módulos de integración incorporados para modelos de embeddings de OpenAI, Cohere, HuggingFace, Google y Ollama, o puedes proporcionar directamente tus propios vectores ya calculados
- Despliegue: Docker, Docker Compose, Kubernetes/Helm, un cliente Python embebido para prototipado local, o el servicio gestionado Weaviate Cloud
- Desarrollador: Weaviate B.V., una empresa con sede en Ámsterdam, Países Bajos
- Repositorio canónico: github.com/weaviate/weaviate — la fuente del historial de versiones, los archivos de licencia y las notas de lanzamiento usados en este análisis
Historia del proyecto y hitos de versiones de Weaviate
Weaviate lleva varios años en desarrollo activo y ahora publica versiones puntuales con frecuencia, a menudo con varias versiones menores en el mismo mes. El proyecto ha crecido de un simple motor de búsqueda vectorial a una plataforma más amplia que también incluye búsqueda generativa (RAG), reranking, un Query Agent en lenguaje natural y funciones empresariales como el control de acceso basado en roles y la multi-tenencia.
- 1v1.19 — Búsqueda híbrida disponible de forma general
Why it matters: Combinó la búsqueda por palabras clave BM25 y la búsqueda vectorial en un único tipo de consulta, una función que sigue siendo central en el posicionamiento de Weaviate frente a las bases de datos puramente vectoriales. - 2v1.24 — Vectores con nombre
Why it matters: Permitió que un mismo objeto tuviera varias representaciones vectoriales (por ejemplo, una por modelo de embedding o una por propiedad), útil para configuraciones RAG multimodelo. - 3v1.25–v1.26 — Mejoras en multi-tenencia y replicación
Why it matters: Reforzó el aislamiento entre inquilinos y la durabilidad de los datos para despliegues de producción multicliente. - 4v1.27–v1.28 — Mejoras en la compresión de vectores (RQ/PQ)
Why it matters: Redujo el uso de memoria en despliegues a gran escala comprimiendo los vectores almacenados, una palanca directa de coste para clústeres autoalojados. - 5v1.29–v1.30 — Control de acceso basado en roles (RBAC)
Why it matters: Añadió permisos granulares, un requisito para muchos despliegues empresariales y regulados que ejecutan Weaviate en su propia infraestructura. - 6v1.38 — Versión puntual de septiembre de 2026
Why it matters: Continuó el ritmo acelerado del proyecto con mejoras de rendimiento en filtrado y métricas de módulos, según la [página oficial de releases en GitHub](https://github.com/weaviate/weaviate/releases). - 7v1.39 — Septiembre de 2026
Why it matters: Añadió un nuevo módulo generative-meta y más mejoras de rendimiento en el índice HNSW y las consultas de agregación, según la [página oficial de releases en GitHub](https://github.com/weaviate/weaviate/releases).
¿Qué se puede hacer con Weaviate?
El conjunto de funciones de Weaviate se centra en almacenar y consultar vectores a gran escala, manteniendo a la vez el filtrado estructurado y la búsqueda por palabras clave disponibles en la misma consulta. Esto es lo que hace realmente cada parte, según el propio README de GitHub y la documentación de Weaviate.
- Búsqueda vectorial — búsqueda de vecinos más cercanos sobre embeddings de alta dimensión, respaldada por un índice HNSW, para encontrar objetos semánticamente similares
- Búsqueda híbrida — combina la similitud vectorial con la puntuación de palabras clave BM25 en una sola consulta, útil cuando ni la búsqueda puramente semántica ni la puramente por palabras clave ofrecen por sí solas los mejores resultados
- Filtrado estructurado — filtra los resultados de búsqueda vectorial según propiedades del objeto (fechas, números, cadenas, coordenadas geográficas) en la misma consulta, en lugar de procesar los resultados después en el código de la aplicación
- Búsqueda generativa (RAG) — pasa los objetos recuperados directamente a un proveedor de LLM conectado para generar una respuesta, un resumen o una transformación de los resultados, sin una capa de orquestación separada
- Query Agent — traduce automáticamente preguntas en lenguaje natural a consultas Weaviate optimizadas, según las propias páginas de producto de Weaviate
- Módulos de vectorización — integraciones incorporadas para generar embeddings vía OpenAI, Cohere, HuggingFace, Google y Ollama, o puedes indexar vectores calculados por ti mismo
- Multi-tenencia y RBAC — aísla datos por inquilino y controla el acceso con permisos basados en roles, pensado para despliegues de producción, multicliente o regulados
- Escalado horizontal y replicación — fragmenta y replica datos entre nodos para conjuntos de datos más grandes y mayor disponibilidad en clústeres autoalojados
Ejemplos de uso: tres formas de usar Weaviate
Estos son flujos de trabajo concretos construidos a partir de las funciones documentadas de Weaviate descritas arriba, no casos de uso hipotéticos.
Instalar Weaviate: Docker, Kubernetes e integrado
Weaviate no es una aplicación de escritorio descargable: es un servidor de base de datos que tú mismo ejecutas, o que consumes como servicio gestionado en la nube. Las vías de instalación siguientes proceden del README oficial de GitHub y la documentación — verifica siempre esas páginas directamente, ya que las etiquetas de versión exactas cambian entre lanzamientos.
Método | Comando / Enlace |
|---|---|
| Docker (contenedor único, prueba rápida) | docker run -p 8080:8080 -p 50051:50051 cr.weaviate.io/semitechnologies/weaviate:1.39.5 |
| Docker Compose | Genera un docker-compose.yml con el configurador oficial, luego ejecuta docker compose up -d |
| Kubernetes / Helm | Chart oficial de Helm, según la guía de instalación de Kubernetes |
| Integrado (cliente Python) | Instancia local integrada vía weaviate-client, para prototipado — ver documentación oficial |
| Weaviate Cloud (gestionado, opcional) | console.weaviate.cloud — sin necesidad de autoalojamiento, precios basados en el uso con un nivel gratuito |
Weaviate expone por defecto HTTP en el puerto 8080 y gRPC en el puerto 50051; comprueba que la instancia está activa con curl http://localhost:8080/v1/meta. Weaviate en sí no tiene un mínimo de hardware fijo más allá de ejecutar Docker o Kubernetes, pero el rendimiento útil a gran escala depende del tamaño del conjunto de datos, el tipo de índice elegido y si activas la compresión de vectores — una colección pequeña funciona cómodamente en un portátil, mientras que un índice de producción grande necesita un servidor dimensionado según su número de vectores y su dimensionalidad.
Precios y licencia de Weaviate
Autoalojar el núcleo BSD-3-Clause es gratuito; un conjunto definido de funciones bloqueadas y el servicio gestionado Weaviate Cloud son de pago. Se trata de un modelo genuinamente dividido, no una simple etiqueta de "open core con upsell empresarial" — verifica las condiciones exactas en el archivo LICENSE para tu propia revisión de cumplimiento.
Autoalojado (núcleo BSD-3-Clause)
- Qué cuesta:
- Gratis
- Qué cubre:
- El motor completo de la base de datos vectorial fuera del directorio
wl/— búsqueda vectorial, búsqueda híbrida, filtrado, la mayoría de las integraciones de módulos y escalado autogestionado
Autoalojado, funciones bloqueadas de wl/
- Qué cuesta:
- Requiere una clave de Weaviate License de pago (variable de entorno
LICENSE_KEY) - Qué cubre:
- Un subconjunto definido de funciones dentro del directorio
wl/del repositorio — consulta el archivo LICENSE para el alcance actual, ya que qué funciones están bloqueadas puede cambiar entre lanzamientos
Weaviate Cloud (gestionado)
- Qué cuesta:
- Precios basados en el uso con un nivel gratuito, según weaviate.io
- Qué cubre:
- Un clúster totalmente gestionado sin necesidad de autoalojamiento ni de gestionar la clave de licencia; independiente del modelo de licencia autoalojado descrito arriba
El propio directorio de software de PromptQuorum listaba anteriormente la licencia de Weaviate simplemente como código abierto. Tras una lectura directa de los archivos LICENSE y LICENSE-BSD en el repositorio de GitHub de Weaviate en el momento de este análisis, eso resta importancia a la división: los propios metadatos del repositorio en GitHub reportan la licencia como "Other" precisamente porque el código principal (BSD-3-Clause) y el código del directorio wl/ (Weaviate License propietaria, bloqueada por clave) tienen licencias distintas. Lee tú mismo los archivos LICENSE antes de basar una decisión legal en esta distinción — el alcance de la licencia puede cambiar entre lanzamientos.
Weaviate vs. Qdrant
Weaviate y Qdrant están entre las bases de datos vectoriales autoalojables más usadas, y se comparan a menudo porque ambas ofrecen un núcleo gratuito y autoalojado más un nivel de nube gestionada opcional. Las diferencias más claras están en el modelo de consulta, la estructura de licencia y la superficie de API.
Licencia del núcleo
- Weaviate:
- BSD-3-Clause, más una licencia propietaria independiente para las funciones del directorio
wl/ - Qdrant:
- Apache-2.0 para el motor principal — ver el análisis de Qdrant para el detalle de su propia licencia
APIs de consulta
- Weaviate:
- REST, GraphQL y gRPC
- Qdrant:
- REST y gRPC (sin GraphQL)
Búsqueda híbrida
- Weaviate:
- Incorporada, combina búsqueda vectorial y por palabras clave BM25 en una consulta
- Qdrant:
- Compatible mediante fusión de vectores sparse+dense
Búsqueda generativa / ayudas RAG
- Weaviate:
- Módulo de búsqueda generativa incorporado que llama directamente a un proveedor de LLM conectado
- Qdrant:
- No es una función central incorporada; normalmente se combina con una capa de orquestación externa
Modelo de datos
- Weaviate:
- Objetos basados en esquema con propiedades y vectores con nombre
- Qdrant:
- Puntos con payloads (JSON flexible) y vectores
Opción de nube gestionada
- Weaviate:
- Weaviate Cloud, basada en uso con un nivel gratuito
- Qdrant:
- Qdrant Cloud, basada en uso con un nivel gratuito
Si tu prioridad es una base de datos que también gestione el paso de recuperación a generación en una sola consulta (búsqueda generativa) junto con soporte de GraphQL, el conjunto de funciones de Weaviate cubre más de serie. Si tu prioridad es un núcleo más simple, uniformemente licenciado bajo Apache-2.0 y sin funciones bloqueadas que rastrear, evalúa Qdrant directamente. Ambos se mantienen activamente; verifica los detalles actuales de funciones y precios en el sitio de cada proyecto antes de decidir.
¿Quién debería usar Weaviate?
Que Weaviate encaje o no depende de si quieres una base de datos vectorial basada en esquema con búsqueda híbrida y generativa incorporadas, y de si la licencia dividida BSD/propietaria funciona para tu organización.
Weaviate frente a otras bases de datos vectoriales
Weaviate es una de varias bases de datos vectoriales autoalojables diseñadas para RAG y búsqueda semántica. Así se sitúa junto a otras opciones en este espacio — ver el Local LLM Software Directory para el catálogo completo, y la comparación dedicada Weaviate vs. Qdrant más arriba para el enfrentamiento más directo.
- Qdrant — una base de datos vectorial con licencia Apache-2.0 con APIs REST y gRPC y un fuerte soporte de búsqueda híbrida sparse+dense; ver la sección de comparación dedicada más arriba y el análisis completo de Qdrant.
- Milvus — una base de datos vectorial con licencia Apache-2.0 diseñada para despliegues a muy gran escala, con un conjunto más amplio de tipos de índice que la mayoría de alternativas; ver el análisis de Milvus para todos los detalles.
- Chroma — una base de datos vectorial más ligera, centrada en embeddings, popular para prototipado y proyectos RAG más pequeños gracias a una configuración mínima; ver el análisis de Chroma.
- txtai — una biblioteca integrada todo en uno de búsqueda semántica y RAG que incorpora la indexación vectorial directamente en una aplicación Python en lugar de ejecutarse como un servidor separado; ver el análisis de txtai si un enfoque integrado de un solo proceso encaja mejor en tu proyecto que un servidor de base de datos independiente.
- Pinecone — una base de datos vectorial totalmente gestionada y de código cerrado, sin ninguna opción de autoalojamiento, útil como caso de contraste si quieres comparar específicamente un proveedor solo en la nube con opciones autoalojables como Weaviate; ver la comparación Pinecone vs. Weaviate vs. Qdrant vs. Chroma para un desglose directo entre cuatro.
Errores comunes al evaluar Weaviate
La mayor parte de la confusión sobre Weaviate proviene de su estructura de licencia, de asumir que requiere el servicio en la nube, o de confundirlo con una simple biblioteca integrada.
Preguntas frecuentes
¿Qué es Weaviate?
Weaviate (weaviate.io, código fuente en github.com/weaviate/weaviate) es una base de datos vectorial open-core que almacena tanto objetos estructurados como sus embeddings vectoriales, y admite búsqueda vectorial, búsqueda por palabras clave BM25, búsqueda híbrida y búsqueda generativa (RAG) incorporada.
¿Es gratuito Weaviate?
El núcleo con licencia BSD-3-Clause es gratuito para autoalojar. Un conjunto definido de funciones dentro del directorio wl/ del repositorio requiere una clave de Weaviate License de pago para activarse. Weaviate Cloud, la opción de alojamiento gestionado, es un servicio independiente basado en uso con un nivel gratuito.
¿Es Weaviate de código abierto? ¿Qué licencia usa?
Parcialmente. El núcleo de Weaviate tiene licencia BSD-3-Clause. Un conjunto definido de funciones dentro del directorio wl/ del repositorio está cubierto por una Weaviate License propietaria independiente, que solo se activa con una clave de licencia de pago. Los metadatos del repositorio en GitHub clasifican la licencia general como "Other" por esta división, en lugar de como una única licencia aprobada por la OSI que cubra todo el código.
¿Puede Weaviate funcionar totalmente sin conexión o de forma aislada?
Sí, para la base de datos principal en sí — se ejecuta por completo en tu propia infraestructura sin necesitar llamadas externas. Si configuras un módulo de vectorización o de búsqueda generativa para un proveedor en la nube (OpenAI, Cohere y otros), esas llamadas concretas necesitan acceso a internet; dirige esos módulos a un motor alojado localmente como Ollama para una canalización totalmente sin conexión.
¿Weaviate admite búsqueda híbrida?
Sí. Weaviate combina la búsqueda por similitud vectorial con la búsqueda por palabras clave BM25 en una sola consulta híbrida, con un parámetro alpha ajustable para ponderar un modo sobre el otro.
¿Weaviate tiene una API GraphQL?
Sí. Weaviate expone APIs REST, GraphQL y gRPC, con bibliotecas cliente oficiales para Python, TypeScript/JavaScript, Go, Java y C#/.NET.
¿Cómo se instala Weaviate?
La vía más rápida es un único comando Docker (docker run -p 8080:8080 -p 50051:50051 cr.weaviate.io/semitechnologies/weaviate:<version>). Para producción, usa Docker Compose o el chart oficial de Kubernetes/Helm; para prototipado local en Python, usa el cliente integrado. Consulta la tabla de instalación de arriba para más detalles.
¿Qué es Weaviate Cloud?
Weaviate Cloud es el servicio de alojamiento opcional y totalmente gestionado de Weaviate B.V., con precios basados en el uso y un nivel gratuito. Es independiente del modelo de licencia autoalojado — puedes autoalojar el núcleo BSD-3-Clause indefinidamente sin usar nunca Weaviate Cloud.
¿Quién desarrolla Weaviate?
Weaviate está desarrollado por Weaviate B.V., una empresa con sede en Ámsterdam, Países Bajos, con un repositorio de código abierto activo en github.com/weaviate/weaviate.
¿Cuántas estrellas tiene Weaviate en GitHub?
El repositorio en GitHub de Weaviate muestra aproximadamente 16.800 estrellas y unos 1.400 forks a septiembre de 2026 — comprueba el repositorio en vivo para el número actual, ya que cambia continuamente.