IA del mondo reale, realizzata con Zilliz
Scoprite come i team utilizzano Zilliz e Milvus per distribuire in produzione agenti RAG, di ricerca, di raccomandazione e di IA. Trovate la storia che corrisponde al vostro stack AI.
Exa crea un motore di ricerca di entità per agenti IA
- Productivity
- Semantic Search
- From Pinecone
- <200ms di latenza di ricerca
- La latenza della ricerca neurale di Exa è stata ridotta da secondi a meno di 200 ms con la ricerca ibrida di Zilliz
- Elevata affidabilità
- Incidenti operativi quasi azzerati, liberando tempo di engineering per il lavoro sul prodotto
- Zero downtime per le modifiche allo schema
- È possibile aggiungere nuovi campi filtrabili e metadati senza ricostruire gli indici o mettere offline le raccolte
OpenEvidence alimenta l'IA medica
- Healthcare
- From Pinecone
- From Elasticsearch
- < 10ms
- Latenza della ricerca con recall elevato
- 4.000 QPS
- Traffico di ricerca vettoriale al carico di picco
- 800.000+
- Clinici verificati serviti con risposte di qualità
- 25 mln+
- Consulenze ogni mese
Filevine: trasformare la gestione dei casi legali con la ricerca vettoriale
- Legal
- RAG
- Semantic Search
- From Milvus
- From Qdrant
- 30 miliardi di vettori
- Gestito su milioni di documenti
- Architettura di ricerca semantica
- Collegamento di concetti tra documenti anche quando la terminologia esatta è diversa.
- 60-80%
- Tempo risparmiato nel consultare, assimilare e identificare i punti dati rilevanti
- Sicurezza di livello enterprise
- La certificazione SOC 2 Type 2 di Zilliz ha fornito la fiducia necessaria per gestire informazioni legali sensibili.
MiniMax scala l'IA in tempo reale e la deduplicazione su scala di trilioni
- AI Models
- latenza di 30 ms a 5.000+ QPS
- per consigli in tempo reale
- riduzione dei costi di 3–5×
- nei flussi di lavoro di deduplicazione dei dati di training
- 2× più veloce nella pre-elaborazione dei dati per LLM
- rispetto ai sistemi MapReduce legacy
- Deduplicazione dei dati su scala petabyte
- utilizzando il motore MinHash + LSH nativo
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 costruisce una ricerca accademica agentica su oltre 400 milioni di fonti accademiche
- Productivity
- 400M+
- Fonti accademiche ricercabili
- ~45 ms
- Latenza di recupero denso P99 in produzione
- 14% in più
- precisione nei risultati di ricerca dopo aver aggiunto la ricerca semantica
- 4× più grande
- vettori per appena 2,5 volte la dimensione del cluster, senza alcuna penalità di latenza
Airtable ha costruito e scalato l’infrastruttura vettoriale
- Productivity
- Semantic Search
- Query a bassa latenza
- prestazioni prevedibili sono fondamentali per la fiducia degli utenti
- Scritture ad alta velocità
- le basi cambiano costantemente e gli embedding devono rimanere sincronizzati
- Scalabilità orizzontale
- il sistema deve supportare milioni di basi indipendenti
Plaud Potenzia la Memoria degli Agenti su Scala Miliardaria
- Productivity
- RAG
- < 200 ms
- Latenza media di richiamo
- 10B+
- Blocchi vettoriali per regione, con spazio per crescere
- Nei giorni
- Backfill di dati storici su scala miliardaria, senza interruzione del servizio
- Zero tempi di inattività
- Modifiche allo schema e aggiornamenti del cluster su un'app sempre attiva
Meituan ha costruito una piattaforma di retrieval su scala 10B per supportare oltre 100 casi d'uso
- Ecommerce
- 10B+ vettori
- In produzione, auto-gestito su Milvus
- 2B+ in un'unica collezione
- Il più grande carico di lavoro singolo, cresciuto senza ri-architettura
- P99 8.1 ms
- ~1.000 QPS e >97% di recall su un benchmark di 100 milioni di vettori a 768 dimensioni.
- 100+ casi d'uso
- Su un'unica piattaforma Milvus condivisa: RAG, memoria dell'agente e altro ancora
Una piattaforma musicale leader mondiale ricerca 100M+ brani per suono e testi
- Media
- Multimodal Search
- From Elasticsearch
- 100M+ brani
- L'intero catalogo incorporato e ricercabile, inclusa la coda lunga
- ~10 ms P99
- Una corrispondenza su miliardi di embedding audio, a centinaia di ricerche al secondo.
- Per suono e significato
- Trova una canzone da un motivo canticchiato, una clip o un testo parafrasato, non solo dal suo titolo.
Bosch ottiene una riduzione dei costi dell’80% e un’efficienza di ricerca ottimizzata
- Energy
- 80%
- Riduzione dei costi di raccolta dei dati
- ~1,4 M$
- Riduzione dei costi annuali di archiviazione
- A livello di millisecondi
- Recupero di miliardi di punti dati con un'architettura scalabile
Trip.com Group rende la ricerca di hotel fluida per i viaggiatori di tutto il mondo
- Ecommerce
- Ricerca più intelligente e basata sull'intento
- Offre risultati alberghieri accurati e multilingue che comprendono l’intento del viaggiatore, non solo le parole chiave.
- Innovazione più rapida, costi generali inferiori
- Elimina le attività di gestione e scalabilità dei cluster, consentendo ai team di concentrarsi sull’innovazione.
- Ottimizzazione della latenza <100 ms
- Offre una ricerca hotel in tempo reale fulminea, con tempi di risposta P99.9 inferiori a 100 ms.
- Scalabilità globale senza soluzione di continuità
- Alimenta la ricerca in tempo reale tra centinaia di milioni di annunci con affidabilità aziendale e bassa latenza.
“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.”