AWS puso la búsqueda vectorial disponible en general en DynamoDB el 5 de agosto de 2026 — latencia de milisegundos de un solo dígito al 99%+ de recuperación, escalable a billones de vectores. Los equipos en DynamoDB para cargas de trabajo transaccionales ahora pueden almacenar incrustaciones en la misma tabla, construir un índice vectorial en cualquier atributo y ejecutar consultas aproximadas de vecino más cercano a través de la nueva API SearchVectors. Sin base de datos de vectores separada. Sin canalización de sincronización.

Un desarrollador genera incrustaciones con cualquier modelo — Bedrock Titan Text Embeddings V2, Cohere Embed, OpenAI — y las almacena como floats en el elemento DynamoDB. Luego crea un índice vectorial especificando el nombre del atributo, el recuento de dimensiones y la función de distancia. DynamoDB admite hasta 4.096 dimensiones y tres funciones de distancia: Euclidean, Cosine, Dot product. SearchVectors devuelve hasta 100 resultados clasificados por puntuación de similitud, con datos del elemento devueltos inline. Requisito del SDK: boto3/botocore ≥ 1.43.64.

La eliminación de la canalización de sincronización cambia la economía de la plataforma. Hasta ahora, una aplicación DynamoDB que necesitaba búsqueda semántica tenía que copiar datos a un almacén de vectores separado — Pinecone, Weaviate, OpenSearch — y ejecutar una canalización para mantener las incrustaciones actualizadas. Dos bases de datos para monitorear. Costos de movimiento de datos. Una superficie de falla entre rutas de escritura y lectura. Los arquitectos de AWS Leonid Koren y Mo Kamioner enumeran el costo: complejidad de sincronización, una ida y vuelta de red adicional para obtener datos del elemento después de la búsqueda vectorial, el costo de dos servicios gestionados y dos modos de falla separados.

La facturación se suma a los cargos estándar de DynamoDB: escrituras en el índice vectorial ($/GB), datos procesados por búsqueda ($/GB) y almacenamiento ($/GB). AWS recomienda reducir costos usando modelos de dimensiones inferiores, proyectando solo atributos necesarios en el índice, excluyendo incrustaciones de los resultados de consulta y particionando el índice selectivamente. Las tasas precisas por GB se encuentran en la página de precios de DynamoDB. Los equipos deben comparar contra el gasto actual de Pinecone u OpenSearch. La consolidación no siempre ahorra dinero.

Las condiciones de filtro en tiempo de consulta se limitan a predicados de coincidencia exacta en atributos no vectoriales — no consultas de rango, no operadores de desigualdad. Los equipos que necesitan "devolver resultados donde el precio < $100" junto con similitud vectorial no obtendrán eso de una única llamada SearchVectors. La solución es filtrar en el código de la aplicación después de la recuperación, lo que aumenta el conjunto de resultados que paga para procesar. Los almacenes especializados manejan esto de manera más flexible.

S3 Vector Buckets cuestan menos por consulta y se escalan sin límites. La ventaja de DynamoDB es la latencia de recuperación en tiempo real. Para memoria de agentes que necesita búsqueda sub-10ms, DynamoDB es la opción correcta. Para flujos de trabajo de vecino más cercano por lotes o recuperación sin conexión donde una cola de 100ms es aceptable, S3 puede ser más barato a escala.

AWS ya ofrece búsqueda vectorial en Aurora, RDS, MemoryDB, DocumentDB, Neptune Analytics y OpenSearch. DynamoDB completa el nivel transaccional central. Una encuesta Futurum de profesionales de datos en la primera mitad de 2026 encontró que 33,4% prefieren un motor in-database como su estrategia de incrustación vectorial a largo plazo — el bloc individual más grande. Los arquitectos que eligen entre un almacén de vectores dedicado y un enfoque consolidado tienen una razón menos para ejecutar un servicio separado si DynamoDB ya está en la pila.