Il Vector
Lakebase per l'IA

Oltre i database vettoriali: serving in tempo reale, discovery iterativa e analytics batch su un'unica fonte di verità, ciascuno al costo giusto e su scala di centinaia di miliardi di dati.

Costruito dai creatori di Milvus.

Sviluppa con la CLIcurl -fsSL https://zilliz.com/cli/install.sh | bash
// Try Asking
Real-time Serving
Iterative Discovery
Batch Analytics
Hot Cache
On-demandCompute
  • Exa
  • OpenEvidence
  • Filevine
  • MiniMax
  • Consensus
  • Airtable
  • Read AI
  • Gorgias

Costruito per l'affidabilità

Costruito sulla base di una profonda comprensione delle modalità di guasto dei database vettoriali su larga scala. Testato in produzione su oltre 10.000 aziende per 8 anni.

Costruito per l'affidabilitàCostruito per l'affidabilità hover

Costruito per la scala

Progettato per gestire oltre 100B entità e 10K+ QPS con latenza costante e prestazioni prevedibili.

Costruito per la scalaCostruito per la scala hover

Costruito per ridurre i costi

Tutti i dati e gli indici su S3, con hot cache e calcolo on-demand per ridurre i costi del 90%.

Costruito per ridurre i costiCostruito per ridurre i costi hover

Ricerca a tutto campo

Da vettoriali e testuali a JSON e geospaziali, combinati con il reperimento ibrido, il filtraggio e il reranking per query multimodali espressive.

Ricerca a tutto campoRicerca a tutto campo hover

Stoccaggio lago-nativo

Storage unificato per il serving e l'analytics, costruito su Vortex, un formato aperto di nuova generazione. Letture casuali fino a 10 volte più veloci e meno costose rispetto a Lance, con flessibilità del formato per colonna.

Stoccaggio lago-nativoStoccaggio lago-nativo hover
Exa

“ Zilliz Cloud has been an important part of Exa’s journey to build and scale entity search, giving us the retrieval performance and operational simplicity we need to scale quickly and confidently. ”

Jeffrey Wang
Jeffrey WangCo-Founder
Leggi di più
Filevine

“ With Zilliz Cloud, we have achieved a true consciousness of data, bringing the data together in the way that an individual doing their job needs to see it. ”

Nathan Morris
Nathan MorrisCo-Founder
Leggi di più
OpenEvidence

“ Zilliz Cloud has helped us create a strong foundation behind the scenes as we continue to grow and serve hundreds of thousands of clinicians. ”

Jagath Kumar
Jagath KumarHead of Performance Engineering
Leggi di più
Sarvam

“ Zilliz gave us real-time retrieval for our multilingual RAG 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. ”

Dr. Pratyush Kumar
Dr. Pratyush KumarCo-Founder

Punti salienti del servizio in tempo reale

Prestazioni

Setup: 768-dimensional vectors, top-k = 10, cluster-size = 1 CU

Performance-Optimized SolutionCapacity-Optimized SolutionTiered-Storage Solution
Average Latency
3 ms
21 ms
107 ms
P99 Latency
5 ms
37 ms
253 ms
QPS
1476
236
22
Total Vectors
2M
6M
25M

Punti salienti dell'elaborazione on-demand

Prestazioni e costi

Setup: 1 billion 768-dimensional vectors, top-k = 100k, cluster-size = 64 CU

Warm SearchCold-Start Search
Average Latency
0.6 s
16 s
P99 latency
1.1 s
18 s
Total Vectors
1B
Cost per 1K Searches(5% cold-start, 95% warm)$9.9
Write cost$0
Storage Cost / Month(1B vectors + index, 2.1 TB)$53.7

La CLI per Vector Lakebase

Il tuo Vector Lakebase. Il tuo terminale. Controllo completo.
La CLI ufficiale per la gestione, la ricerca e l'analisi.

Terminal

Sicura e conforme alle normative
Infrastruttura di database vettoriale distribuita a livello globale

Esplora le regioni e la disponibilità di Zilliz Cloud
AWS
Google Cloud
Azure