主な特徴
使える場面
- 文書や商品のカタログに対して意味検索を作る
- AIアシスタントや推薦機能の検索処理を動かす
- データを自社環境で扱うためにベクトル検索を自前運用する
使い方
- 1 無料トライアルまたはローカル導入から始める
- 2 データを設計し、ベクトルと付随情報を読み込む
- 3 類似検索を実行し、フィルターや索引の設定を調整する
- 4 自社の利用状況に対して再現率と遅延を計測する
- 5 規模に合う自前運用またはクラウド構成へ移る
こんな方におすすめ
メリット
- オープンソースでコードを確認し、自前運用できる
- リアルタイム索引化と量子化で検索を速く、保存を抑えられる
- ローカル、エッジ、ハイブリッドクラウド、クラウドを選べる
制限事項
- 自前運用には運用の知識と作業が必要
- 無料トライアルの条件は変更される可能性があり、企業向け有料版の詳細はここにない
- 良い再現率と遅延を得るには調整に時間がかかる
- 扱う範囲はベクトル検索で、AIスタックの他の部分は別途必要
Qdrant とは
Qdrantは、Rustで書かれたオープンソースのベクトル検索エンジンです。意味検索、推薦、言語モデルへ渡す検索の流れなど、AIアプリが求める速さ、正確さ、拡張性を実現するために作られています。ベクトル検索で難しい部分、たとえばデータが変わったときに索引を最新に保つこと、ベクトルを効率よく保存すること、再現率を大きく落とさずに量子化で容量を抑えることに重点があります。展開先も柔軟です。開発中はローカルで動かし、本番ではハイブリッドクラウド、エッジ、クラウドから選べます。企業規模の要件に向けた版も用意されています。無料トライアルがあるため、自社データで検索の質と遅延を測ってから判断できます。オープンソースなので、コードを確認し、データの置き場所を自社で決めたいチームは自前運用も可能です。
できること
- 文書、商品、メディアの埋め込み表現に対して意味検索を動かす
- AIアシスタントや推薦機能のための検索パイプラインを支える
- ベクトルと一緒に保存した付随情報で結果を絞り込む
- 同じエンジンをローカル、エッジ、クラウドで展開する
こんな人に向いています
- AI検索機能を作る開発者と機械学習エンジニア
- 埋め込み表現と付随情報を自社環境に置く必要があるチーム
- 本番で使う検索エンジンを比較している企業
注意点
ベクトル検索の基盤は、導入するだけで成果が出る製品ではありません。データを設計し、埋め込み表現を読み込み、フィルターや索引を調整し、自社の利用状況で再現率と遅延を測る必要があります。数字だけを見て信じるのではなく、実際の問い合わせで確かめてください。オープンソースを自前運用する場合は、アップグレード、バックアップ、監視といった運用も自社の負担になります。無料トライアルは評価のための期間で、条件は変わる可能性があります。企業向け有料版があるものの詳細は掲載内容に限られるため、ライセンスとサポートは事業者に確認してください。Qdrantが担当するのは検索であり、埋め込みモデルやアプリ側の処理は別に用意する必要があります。
よくある質問
Qdrantはどの言語で書かれていますか?
Rustで書かれています。
自前運用できますか?
はい。オープンソースで、ローカル、ハイブリッドクラウド、エッジ、クラウドの展開に対応しています。
無料トライアルはありますか?
はい。無料トライアルがあり、企業向けのニーズに合わせた版もあります。
どんな用途で使われますか?
意味検索や検索パイプラインなど、AIアプリ向けのリアルタイムベクトル検索に使われます。
無料で使える理由
公式ページの記載内容: 免费试用免费zh-バックフィル
無料の上限、トライアル期間、機能は公式サイトが決定し、いつでも変更される場合があります。
製品プレビュー
一覧ページから保存したスクリーンショットです。プレビュー専用です。