xAI lanza Collections API para buscar archivos con IA
xAI lanza Collections API para subir y buscar información en PDFs, hojas de cálculo y bases de código. El servicio ofrece una semana inicial gratuita para almacenamiento e indexación y cobra 2,50 dólares por cada 1.000 búsquedas.
xAI ha lanzado Collections API, una herramienta para que los desarrolladores suban documentos y bases de código, los conviertan en una base de conocimiento y permitan que una IA encuentre información concreta dentro de ellos.
La API acepta desde archivos PDF y hojas de Excel hasta repositorios completos de código. Su objetivo es simplificar la creación de aplicaciones RAG, sistemas que buscan información relevante en documentos antes de generar una respuesta. Así, el modelo puede responder usando fragmentos concretos en lugar de depender solo de lo que aprendió durante su entrenamiento.
Qué permite hacer
Con Collections, una empresa podría cargar contratos, informes financieros o documentación técnica y después hacer preguntas sobre ese material. Por ejemplo, un sistema podría localizar una cifra en una hoja de cálculo, encontrar una cláusula repartida entre varios contratos o explicar cómo funciona una parte de un código extenso.
La diferencia está en que xAI gestiona la parte más difícil de este proceso: el almacenamiento, la indexación y la recuperación de los archivos. La indexación consiste en organizar el contenido para que pueda encontrarse rápidamente cuando alguien hace una consulta.
La API ofrece dos formas de recuperar información, aunque el anuncio no detalla en el texto proporcionado las diferencias entre ambas. También incorpora búsqueda híbrida, que combina el significado de las palabras con coincidencias exactas. Esto resulta especialmente útil para números, tablas, nombres técnicos y referencias legales.
Precio y uso de los datos
Durante la primera semana, xAI ofrece gratis el almacenamiento y la indexación de archivos. Después, la recuperación cuesta 2,50 dólares por cada 1.000 búsquedas, según el anuncio.
xAI también afirma que los datos almacenados en Collections no se utilizan para entrenar sus modelos, salvo que el usuario haya dado su consentimiento. Para una empresa que trabaja con documentos financieros, contratos o código privado, esta condición es tan importante como la velocidad de búsqueda.
Resultados en documentos complejos
La compañía comparó Collections API con Grok 4.1 Fast, Google Gemini Pro 3 y OpenAI GPT 5.1 en tareas de finanzas, asuntos legales y programación. Los resultados publicados por xAI fueron los siguientes:
- Finanzas: Grok 4.1 Fast obtuvo un 93,0 %, frente al 85,9 % de Gemini Pro 3 y el 84,7 % de GPT 5.1.
- Legal: Grok alcanzó un 73,9 %, por debajo del 74,5 % de Gemini Pro 3 y por encima del 71,2 % de GPT 5.1.
- Código: Grok logró un 86 %, frente al 85 % de Gemini Pro 3 y el 81 % de GPT 5.1.
Las pruebas se basan en conjuntos de datos especializados. LegalBench evalúa preguntas sobre contratos y referencias legales complejas, mientras que DeepCodeBench mide la comprensión de código procedente de repositorios reales. En finanzas se probaron preguntas numéricas y tabulares, un tipo de consulta donde una búsqueda basada solo en significado puede confundir cifras o filas.
Estos resultados son los que comunica xAI y no equivalen a una garantía para cualquier archivo o aplicación. El rendimiento dependerá de la calidad de los documentos, de las preguntas y de cómo se integre la API.
Para ti, el cambio práctico es sencillo: crear un asistente que conozca tus propios documentos debería requerir menos infraestructura. Lo importante será comprobar el coste cuando aumente el volumen de búsquedas y validar que las respuestas citan los fragmentos correctos, especialmente en ámbitos donde un número o una cláusula mal interpretada puede tener consecuencias reales.