Qué construyes con Arkeion

Quince aplicaciones que podrías lanzar de verdad, cada una junto al stack al que recurrirías hoy — y exactamente dónde Arkeion es más fuerte. Donde sigue ganando el de siempre, lo decimos. Los números salen de los propios benches del repositorio.

Sistemas regulados y auditados

2.51× más rápido en escrituras durables que SQLite con las mismas garantías de auditoría

Historias clínicas de un centro médico (EHR)

En lugar de Postgres + triggers de auditoría + una tabla de histórico

	Arkeion	Postgres + triggers de auditoría + una tabla de histórico
Detectar que un registro se ha alterado	Cadena de hashes SHA-256 + verify(), dentro del propio almacenamiento — más un ancla que guardas fuera	Una tabla de histórico que un usuario con privilegios puede editar sin dejar rastro
Leer un registro tal y como estaba hace un año	SELECT … AS OF esa versión o marca de tiempo	Reproducir el log de auditoría a mano para reconstruirlo
Cifrado de datos personales en reposo	AES-256-GCM por página, con tu clave, elegida al crear	Añadir pgcrypto o cifrado de disco, configurado aparte

Facturación que tiene que sobrevivir a una auditoría

En lugar de MySQL + un log de auditoría a nivel de aplicación

	Arkeion	MySQL + un log de auditoría a nivel de aplicación
El rastro append-only	El almacenamiento ES el rastro (append-only copy-on-write)	Una tabla de log que escribe la aplicación — y que puede olvidarse de escribir
Correcciones	Una versión nueva; la factura antigua sigue siendo direccionable	UPDATE sobrescribe; hay histórico solo si lo registraste
Copias de seguridad	Copia un fichero — el rastro de auditoría se viene con él	mysqldump más mantener coherente la tabla de log

Cadena de custodia de pruebas judiciales

En lugar de Postgres + un bucket WORM + hashes manuales

	Arkeion	Postgres + un bucket WORM + hashes manuales
Detectar manipulaciones	Cada commit encadenado con SHA-256; verify() + anclajes	Calcular los hashes tú, guardarlos en otro sitio y esperar que cuadren
Viajar en el tiempo a cualquier punto	AS OF nativo	Restaurar una copia de seguridad para inspeccionar el pasado
Bit-rot en almacenamiento frío	Reed-Solomon por página lo repara; scrub() recorre el fichero	Los checksums del bucket detectan la corrupción, pero no la reparan

IA, RAG y búsqueda semántica

14–21× más pequeño el índice vectorial que el de pgvector con 1M de vectores

Un bot de soporte que responde desde tu documentación interna

En lugar de Postgres + pgvector + Redis

	Arkeion	Postgres + pgvector + Redis
Vector + palabra clave en una sola consulta	RRF híbrido (BM25 + vector) de forma nativa	Consultar pgvector y un índice de texto, y luego fusionar en el código
Huella del índice con 1M de fragmentos	~39 MB (IVF-PQ)	551–820 MB (pgvector)
Mantener los almacenes sincronizados	Un fichero, un camino de escritura	La aplicación mantiene coherentes BD + almacén vectorial + caché

Búsqueda semántica sobre un catálogo de productos

En lugar de Elasticsearch + un plugin vectorial

	Arkeion	Elasticsearch + un plugin vectorial
Sistemas que operar	Un motor embebido	Un clúster de Elasticsearch que ejecutar, asegurar y escalar
Filtros + vectores a la vez	WHERE de SQL + ANN en una sola consulta	Combinar el DSL de consultas con kNN y ajustar los dos
Con decenas de millones de vectores	Un solo nodo; la ventaja se estrecha (IVF recorre O(N) candidatos)	Un motor de grafo dedicado (HNSW) se adelanta a esa escala

Una app de notas que encuentra por significado

En lugar de SQLite + una BD vectorial alojada

	Arkeion	SQLite + una BD vectorial alojada
Dónde viven los vectores	En el mismo fichero, al lado de las notas	Un servicio vectorial aparte junto a tu SQLite
Sin conexión / local-first	Totalmente embebido, sin llamadas de red	La BD vectorial suele ser un viaje de ida y vuelta a un servicio
Calcular los embeddings	Modelo externo — trae el tuyo	También modelo externo (Arkeion no añade dependencias de ML)

Búsqueda full-text dentro de la app

0 servicios de búsqueda adicionales que mantener

El buscador de un centro de ayuda o base de conocimiento

En lugar de Algolia (búsqueda alojada)

	Arkeion	Algolia (búsqueda alojada)
Dónde vive tu contenido	En tu base de datos, en tu infraestructura	Enviado y guardado en la nube de Algolia
Modelo de coste	Embebido — sin coste por búsqueda	Precio por búsqueda o por registro
Sensación de búsqueda instantánea	BM25 rápido y autoalojado + fragmentos y resaltado	Hecho a medida para esto: normalmente más rápido y más tolerante a erratas

Búsqueda en un sitio de documentación o un wiki

En lugar de Elasticsearch

	Arkeion	Elasticsearch
Operación	Embebido, cero servicios extra	Un clúster JVM que ejecutar y afinar
Buscar en versiones antiguas	MATCH … AS OF busca en el pasado	Reindexar snapshots por tu cuenta
Velocidad bruta de consulta a escala	Un solo nodo	Escala horizontalmente mejor para corpus muy grandes

papaya — un cliente de correo, construido sobre Arkeion

Construido sobre Arkeion · en desarrollo

En lugar de SQLite + FTS5

	Arkeion	SQLite + FTS5
Cifrado del índice de búsqueda	Cifrado junto con el correo (AES por página)	El índice FTS5 se queda en disco en claro
Buscar correo antiguo o borrado	MATCH … AS OF busca en el pasado	Desaparece en cuanto se sobrescribe la fila
Velocidad bruta de consulta y construcción	Índice más pequeño en disco; competitivo	C con décadas de madurez — sigue siendo más rápido consultando y construyendo

SaaS multi-tenant y el edge

~2× en escrituras durables frente a SQLite en disco real — un fichero por tenant

quota — cuotas de API, configuración y logs de peticiones en el edge

● En producción sobre Arkeion

En lugar de Postgres + Redis

	Arkeion	Postgres + Redis
Sistemas en cada nodo edge	Un motor embebido — sustituyó a los dos	Un Postgres y un Redis que ejecutar y mantener sincronizados
Histórico de cambios de configuración	Versionado + AS OF, encadenado por hash	Una tabla de auditoría aparte, si te la montaste
Escrituras durables de log en disco real	~2× (append-only, un fsync por commit)	Dos sistemas, dos modos de fallo sobre los que razonar

svitrio — un panel de control multi-tenant

En lugar de Postgres con un esquema por tenant

	Arkeion	Postgres con un esquema por tenant
Aislamiento entre tenants	Un fichero por proyecto — físico	Clúster compartido — aislamiento lógico
Respaldar o dar de baja a un tenant	cp o rm de un fichero	pg_dump filtrado por esquema; los borrados son delicados
Claves de cifrado por tenant	Nativo — una clave por fichero	Complicado en una instancia compartida

Una app de escritorio local-first

En lugar de SQLite (pelado)

	Arkeion	SQLite (pelado)
Deshacer / historial	Versiones + AS OF de serie	Implementar el journaling tú mismo
Diffs aptos para sincronizar	Branch + merge a tres bandas	Comparar filas a mano
Madurez y huella	Joven, pre-1.0	Probado durante décadas, huella por defecto más pequeña

Datos versionados y migraciones

a 3 bandas diff y merge sobre tus datos, no solo sobre tu código

Feature flags con rollback instantáneo

En lugar de Postgres + una tabla de configuración + auditoría

	Arkeion	Postgres + una tabla de configuración + auditoría
Revertir un cambio malo	AS OF o volver a una versión al instante	Restaurar una copia de seguridad o deshacer las filas de auditoría
Qué cambió y en qué orden	Histórico encadenado por hash de cada versión	Fiarte de una columna updated_by
Probar antes de aplicar	Branch, prueba, merge	Una copia de staging y una promoción manual

Un CMS headless: edita en una rama, publica cuando esté listo

En lugar de Postgres + un flujo de borrador/publicación

	Arkeion	Postgres + un flujo de borrador/publicación
Un borrador como rama de verdad	Branch de datos + merge	Columnas de borrador o filas duplicadas
Previsualizar cualquier publicación pasada	AS OF	Guardar copias versionadas por tu cuenta
Comparar dos versiones	diff_versions()	Escribir la consulta de diff a mano

Datasets de ML versionados que puedes comparar y revertir

En lugar de Parquet en S3 + DVC / lakeFS

	Arkeion	Parquet en S3 + DVC / lakeFS
Leer una versión	SQL AS OF — la consultas directamente, sin checkout	Hacer checkout de un commit y luego leer los ficheros
Granularidad de un diff	A nivel de fila: changes() / diff_versions()	A nivel de fichero, no por fila
Analítica columnar a escala de petabytes	Un solo nodo, orientado a filas	Hecho para escaneos columnares enormes

Mira de dónde salen los números

Cada cifra está medida contra SQLite, pgvector, Qdrant y FTS5 — incluidas aquellas en las que ganan ellos. Lee los benchmarks →

Lee el código