Los buscadores impulsados por inteligencia artificial están cambiando la manera en que encontramos información en Internet. Frente al modelo tradicional de introducir una búsqueda y revisar decenas de enlaces, herramientas como Perplexity apuestan por recopilar información de múltiples fuentes y presentarla en forma de respuestas elaboradas y respaldadas por referencias. Sin embargo, la creciente preocupación por la privacidad, la dependencia de servicios comerciales y las suscripciones mensuales está favoreciendo la aparición de alternativas abiertas.

En este contexto destaca Vane, un proyecto de código abierto que pretende ofrecer una experiencia similar a Perplexity, pero con un enfoque mucho más flexible y controlado por el usuario. La posibilidad de alojarlo en hardware propio, utilizar diferentes modelos de IA y supervisar todo el proceso de búsqueda lo convierten en una propuesta especialmente atractiva para usuarios avanzados y entusiastas de la tecnología. Veamos qué aporta realmente este proyecto y hasta qué punto puede competir con uno de los servicios más populares de su categoría.

Una alternativa abierta a los motores de respuesta basados en IA

Durante años, la búsqueda web ha estado dominada por una dinámica muy simple: introducir una consulta, revisar varias páginas y construir una respuesta a partir de diferentes fuentes. La llegada de la inteligencia artificial generativa ha cambiado radicalmente este planteamiento. Herramientas como Perplexity se encargan de realizar gran parte del trabajo de investigación, recopilando datos de múltiples sitios web para entregar una respuesta estructurada y acompañada de citas.

Sin embargo, no todo el mundo se siente cómodo delegando este proceso en plataformas cerradas. Ahí es donde entra en escena Vane, anteriormente conocido como Perplexica. Se trata de un motor de respuestas basado en IA, gratuito y de código abierto, diseñado para ejecutarse tanto en servidores propios como en equipos personales.

La principal diferencia respecto a soluciones comerciales es que el usuario conserva el control de toda la infraestructura. En lugar de depender de una plataforma alojada por terceros, Vane puede desplegarse localmente utilizando Docker, permitiendo que los datos y las consultas permanezcan bajo el control del propietario del sistema. Según MakeUseOf, esta característica fue precisamente uno de los aspectos que más llamó la atención del autor.

Cómo funciona Vane por dentro

Desde un punto de vista técnico, Vane sigue una arquitectura relativamente sofisticada. Cuando recibe una consulta, analiza primero la intención del usuario para determinar si necesita acceder a información actualizada de Internet o si puede responder utilizando únicamente las capacidades del modelo seleccionado.

Cuando es necesaria una búsqueda web, Vane utiliza SearXNG, un metabuscador de código abierto que recopila resultados procedentes de diferentes motores de búsqueda. Posteriormente, un modelo de lenguaje analiza esas fuentes y sintetiza una respuesta acompañada de referencias verificables. Este enfoque intenta combinar la capacidad de razonamiento de los modelos modernos con la transparencia de las búsquedas tradicionales. La documentación de SearXNG puede consultarse aquí, una referencia muy utilizada dentro del ecosistema open source.

Un detalle especialmente interesante es la capacidad de investigación avanzada. En las consultas complejas, Vane no se limita a realizar una sola búsqueda. Puede dividir el problema en múltiples subconsultas, recopilar información adicional y construir una respuesta progresivamente. En una de las pruebas descritas por MakeUseOf, el sistema llegó a ejecutar 11 pasos de investigación independientes y consultó 45 fuentes distintas antes de generar la respuesta final.

Desde el punto de vista computacional, esta metodología recuerda a los sistemas de razonamiento encadenado que están ganando popularidad en la industria. En lugar de depender de una única inferencia, el motor crea varios ciclos de recuperación de información, reduciendo potencialmente las alucinaciones y mejorando el contexto disponible para el modelo.

La gran ventaja: libertad para elegir modelos

Uno de los aspectos más atractivos de Vane es su independencia respecto a un único proveedor de inteligencia artificial.

Los usuarios pueden conectar modelos de empresas como OpenAI, Anthropic, Google o Groq mediante sus propias claves API. Además, existe la posibilidad de ejecutar modelos locales gracias a Ollama, un proyecto que simplifica la ejecución de grandes modelos de lenguaje directamente en el ordenador del usuario. La información sobre este sistema puede consultarse en https://ollama.com.

Esto supone una diferencia importante respecto a algunas limitaciones de Perplexity. Según explica el artículo, los usuarios de la versión gratuita de Perplexity apenas tienen control sobre el modelo utilizado para responder a sus consultas, mientras que determinadas opciones avanzadas quedan reservadas a la suscripción Pro, cuyo precio se sitúa en 20 dólares mensuales.

La flexibilidad de Vane también tiene implicaciones económicas. En lugar de pagar una cuota fija, el usuario puede asumir únicamente los costes derivados del uso real de las API. En entornos con cargas moderadas de trabajo, esta aproximación puede resultar significativamente más rentable.

Cuando la investigación profunda marca diferencias

La capacidad de investigación es probablemente el elemento más interesante del proyecto.

Durante las pruebas realizadas por MakeUseOf, Vane fue capaz de localizar información sobre la trayectoria profesional del autor consultando diferentes fuentes públicas. También se enfrentó a una cuestión especialmente técnica relacionada con la conexión de un sensor Kinect de Xbox 360 a un MacBook Air con procesador Apple Silicon.

En este escenario, el sistema identificó correctamente la necesidad de utilizar un adaptador de alimentación y USB específico, recomendó el controlador libre libfreenect y detectó posibles problemas de compatibilidad relacionados con la arquitectura ARM de Apple. Además, llegó a recopilar 65 fuentes durante el proceso de investigación.

Desde una perspectiva técnica resulta especialmente interesante observar cómo el sistema descompone una consulta complicada en diferentes bloques de trabajo. Por ejemplo, analiza primero las diferencias entre versiones del hardware Kinect, después estudia la compatibilidad con Apple Silicon, más tarde revisa los requisitos de alimentación y finalmente busca experiencias reales de usuarios. Esto se aproxima bastante a una metodología de investigación humana estructurada.

Para desarrolladores y administradores de sistemas, esta capacidad puede resultar muy útil cuando se trabaja con problemas complejos que requieren correlacionar documentación dispersa entre múltiples fuentes.

No todo son ventajas

A pesar de sus cualidades, Vane también presenta algunas limitaciones importantes.

La más evidente es la complejidad de instalación. Mientras que Perplexity funciona simplemente abriendo una página web y escribiendo una consulta, Vane obliga a desplegar y mantener una infraestructura propia. Aunque Docker simplifica enormemente el proceso, sigue existiendo una curva de aprendizaje que no todos los usuarios están dispuestos a asumir.

El autor del artículo relata diversos problemas durante el despliegue. Inicialmente, el motor de búsqueda integrado no devolvía resultados válidos debido a incidencias con algunos proveedores utilizados por SearXNG. La solución pasó por instalar una versión más reciente del metabuscador y realizar ajustes manuales en la configuración. También aparecieron problemas de red y dificultades de acceso desde el navegador.

Para cualquier usuario acostumbrado a administrar contenedores Docker, NAS o servidores Linux, estas incidencias pueden resultar relativamente sencillas de resolver. Sin embargo, para perfiles menos técnicos pueden convertirse en una barrera considerable.

Además, aunque el sistema obtuvo resultados impresionantes en muchas pruebas, Perplexity siguió demostrando una ligera ventaja en determinadas consultas. En el ejemplo del Kinect, la plataforma comercial no solo encontró información relevante con menos esfuerzo, sino que localizó soluciones específicas que Vane pasó por alto pese a haber analizado un mayor número de fuentes.

Un proyecto con mucho futuro

La existencia de alternativas como Vane resulta especialmente relevante en un momento en el que la inteligencia artificial está concentrándose en manos de unos pocos proveedores.

El proyecto demuestra que es posible construir motores de respuesta avanzados utilizando componentes abiertos. La combinación de SearXNG, modelos externos y despliegues locales ofrece una flexibilidad difícil de encontrar en plataformas comerciales.

Además, el enfoque de privacidad puede convertirse en un factor diferencial para empresas, investigadores y usuarios preocupados por el tratamiento de sus datos. Ejecutar la infraestructura en un entorno propio permite reducir significativamente la exposición de información sensible frente a servicios completamente gestionados por terceros.

También es interesante observar cómo el ecosistema open source sigue madurando. Hace apenas unos años, replicar parte de las funcionalidades de una plataforma como Perplexity habría requerido equipos de desarrollo considerables. Hoy existen proyectos capaces de acercarse sorprendentemente a esa experiencia utilizando herramientas libres disponibles para cualquier usuario.

Reflexiones finales

Vane no es una alternativa perfecta a Perplexity, pero sí representa una propuesta muy seria para quienes buscan independencia tecnológica, flexibilidad y control sobre los modelos de IA que utilizan. Su capacidad para realizar investigaciones complejas, trabajar con múltiples proveedores y ejecutarse localmente demuestra hasta qué punto ha evolucionado el software libre en el ámbito de la inteligencia artificial.

La contrapartida es evidente: más libertad implica más responsabilidad. Instalar, configurar y mantener una plataforma de este tipo requiere ciertos conocimientos técnicos. No obstante, para usuarios avanzados, laboratorios domésticos, desarrolladores o entusiastas del self-hosting, ese esfuerzo puede verse ampliamente compensado por las posibilidades que ofrece.

Perplexity sigue siendo la opción más cómoda y pulida para el gran público, pero Vane demuestra que el futuro de los motores de respuesta basados en IA no tiene por qué depender exclusivamente de plataformas cerradas ni de suscripciones mensuales. Y eso, en un ecosistema cada vez más dominado por servicios propietarios, es una noticia bastante interesante.