IA del mundo real, creada con Zilliz
Vea cómo los equipos utilizan Zilliz y Milvus para distribuir RAG, búsquedas, recomendaciones y agentes de IA en producción. Encuentre la historia que mejor se adapte a su pila de IA.
Exa desarrolla un motor de búsqueda de entidades para agentes de IA
- Productivity
- Semantic Search
- From Pinecone
- latencia de búsqueda <200ms
- La latencia de búsqueda neuronal de Exa se redujo de segundos a menos de 200 ms con la búsqueda híbrida de Zilliz
- Alta fiabilidad
- Incidentes operativos casi nulos, liberando tiempo de ingeniería para el trabajo de producto
- Sin tiempo de inactividad para cambios de esquema
- Se pueden añadir nuevos campos filtrables y metadatos sin reconstruir índices ni desconectar colecciones
OpenEvidence impulsa la IA médica
- Healthcare
- From Pinecone
- From Elasticsearch
- < 10ms
- Latencia de búsqueda con alta exhaustividad
- 4,000 consultas por segundo
- Tráfico de búsqueda vectorial con carga máxima
- 800.000+
- Profesionales clínicos verificados atendidos con respuestas de calidad
- 25 M+
- Consultas cada mes
Filevine: Transformando la gestión de casos legales con búsqueda vectorial
- Legal
- RAG
- Semantic Search
- From Milvus
- From Qdrant
- 30 mil millones de vectores
- Gestionado en millones de documentos
- Arquitectura de búsqueda semántica
- Conectar conceptos entre documentos incluso cuando la terminología exacta difiere.
- 60-80 %
- Tiempo ahorrado en consumir, digerir e identificar puntos de datos relevantes
- Seguridad de nivel empresarial
- La certificación SOC 2 Tipo 2 de Zilliz brindó la confianza necesaria para manejar información legal confidencial.
Cómo escala MiniMax la IA en tiempo real y la deduplicación a escala de billones
- AI Models
- Latencia de 30 ms a más de 5000 QPS
- para recomendaciones en tiempo real
- reducción de costos de 3–5×
- en flujos de trabajo de deduplicación de datos de entrenamiento
- 2× más rápido en el preprocesamiento de datos de LLM
- comparado con sistemas MapReduce heredados
- Deduplicación de datos a escala de petabytes
- usando el motor nativo MinHash + LSH
Choosing a vector database for ANN search at Reddit
- Media
- Semantic Search
- ~340M
- Milvus 2.4 test vectors
- 100 QPS
- Query load during ingest
- Ingest isolation
- Less query impact during ingest
- Auto rebalance
- When adding replicas
Consensus desarrolla búsqueda académica agéntica en 400M+ fuentes académicas
- Productivity
- 400M+
- Fuentes académicas buscables
- ~45 ms
- Latencia de recuperación densa P99 en producción
- 14% más alto
- Precisión en los resultados de búsqueda tras añadir la búsqueda semántica
- 4× más grande
- vectores por solo 2.5× el tamaño del clúster, sin penalización de latencia
Airtable construyó y escaló la infraestructura vectorial
- Productivity
- Semantic Search
- Consultas de baja latencia
- un rendimiento predecible es fundamental para la confianza del usuario
- Escrituras de alto rendimiento
- las bases cambian constantemente, y los embeddings deben mantenerse sincronizados
- Escalabilidad horizontal
- el sistema debe admitir millones de bases independientes
Plaud impulsa memoria de agentes a escala de miles de millones
- Productivity
- RAG
- < 200 ms
- Latencia media de recuperación
- 10 mil millones+
- Fragmentos vectoriales por región, con margen de crecimiento.
- En días.
- Relleno de datos históricos a escala de miles de millones, sin interrupción del servicio
- Cero tiempo de inactividad
- Cambios de esquema y actualizaciones de clúster en una aplicación siempre activa
Meituan construyó una plataforma de recuperación a escala de 10B para impulsar más de 100 casos de uso
- Ecommerce
- 10B+ vectores
- En producción, autoalojado en Milvus
- 2B+ en una colección
- La mayor carga de trabajo individual, que ha crecido sin rediseñar su arquitectura.
- P99 8.1 ms
- ~1,000 QPS y >97% de recall en un benchmark de 100M vectores y 768 dimensiones
- 100+ casos de uso
- En una plataforma compartida de Milvus: RAG, memoria del agente y más
Una plataforma musical líder mundial busca más de 100 millones de canciones por sonido y letra
- Media
- Multimodal Search
- From Elasticsearch
- 100M+ pistas
- El catálogo completo integrado y buscable, incluida la cola larga
- ~10 ms P99
- Una coincidencia entre miles de millones de incrustaciones de audio, a cientos de búsquedas por segundo.
- Por el sonido y el significado
- Encuentra una canción a partir de un tarareo, un clip o una letra parafraseada, no solo su título.
Bosch logra una reducción de costos del 80 % y una eficiencia de búsqueda optimizada
- Energy
- 80 %
- Reducción de los costos de recopilación de datos
- ~1,4 M$
- Reducción de los costos anuales de almacenamiento
- Nivel de milisegundos
- Recuperación de miles de millones de puntos de datos con una arquitectura escalable
Trip.com Group hace que la búsqueda de hoteles sea fluida para viajeros de todo el mundo
- Ecommerce
- Búsqueda más inteligente y orientada por la intención
- Ofrece resultados hoteleros multilingües y precisos que comprenden la intención del viajero, no solo palabras clave.
- Innovación más rápida, menores gastos generales
- Elimina las tareas de gestión y escalado de clústeres, liberando a los equipos para centrarse en la innovación.
- Optimización de latencia de <100 ms
- Ofrece una búsqueda de hoteles en tiempo real ultrarrápida con tiempos de respuesta P99.9 inferiores a 100 ms.
- Escalabilidad global sin interrupciones
- Impulsa búsquedas en tiempo real en cientos de millones de anuncios con fiabilidad empresarial y baja latencia.
“Zilliz gave us real-time retrieval for our AI search system at scale with tight latency targets. It freed up engineering cycles and let us focus on improving reasoning on the model side, not managing infrastructure.”
“Zilliz Cloud has helped us create a strong foundation behind the scenes as we continue to grow and serve hundreds of thousands of clinicians.”
“Zilliz helps our teams deliver fast, reliable retrieval across complex legal workflows, so customers can find the context they need when it matters.”
“Milvus and Zilliz make it practical to power fast semantic retrieval across meeting intelligence workflows.”
“Zilliz supports high-scale search experiences where latency and reliability are critical.”
“Zilliz gives product teams a strong retrieval foundation for building AI-native workflows on structured and unstructured data.”
“Zilliz helps us match people with the right opportunities through fast, relevant AI search.”