20% → 97%
accuracy in ingredient matching
Tal como se publicó en pinecone.io. Capturado por usedby el 8 oct 2026.
Qué pasó
Allspice, a food technology company, uses Pinecone as a vector database to match messy ingredient text to its structured ingredient database. It also powers recipe similarity, fuzzy recipe search, and chatbot input normalization.
Resumen escrito por usedby a partir de la página de origen, en inglés. Las cifras son de Pinecone y de Allspice, no nuestras.
- 110,000“the platform now manages a growing library of 110,000 total embeddings”
- 100,000“The platform now indexes approximately 100,000 recipe embeddings.”
- 10,000“approximately 10,000 ingredient embeddings”
Before Pinecone, ingredient matching accuracy sat at roughly 20% — far too low to support a production feature. After implementation, accuracy jumped to 97%, with Pinecone serving as the core enabling piece of the matching system.
Now more than ever, it is crucial to iterate quickly. I would have never tried Pinecone without a cloud-hosted, serverless option. I needed something that I could set up in an afternoon and get working in a basic pipeline to evaluate the effectiveness of my solution to my problems.
Lo que dice la historia, y lo que verificamos
Comparamos la historia con su página en línea el 8 oct 2026.
- La cifra: 20% → 97%VerificadoLa cifra está en la página; su etiqueta es redacción nuestra.
- El pasaje citado arribaVerificadoCopiado palabra por palabra de la página, cerca del nombre de Allspice.
- Allspice usa PineconeVerificadoLínea de nivel Confirmado. Última verificación entre todas las fuentes: 8 oct 2026.
- El resultado en síNo verificadoLo citamos; no lo medimos.
Más historias
Misma empresa, misma herramienta o mismo sector.
