Nota sul set di dati:

For "1M Dataset" below, we refer to the "Cohere Medium" () Dataset (1M * 768 float dense vectors).
For "10M" Dataset below, we refer to the "Cohere Large" () Dataset (10M * 768 float dense vectors).

Latenza di ricerca vettoriale e QPS a 1.000 dollari di costo mensile

Set di dati

P99 Latency (ms)

QPS

Recall

ZillizCloud-8cu-perf

13,316.23

0.9383

Milvus-16c64g-sq4u-fp16-force_merge

2.3

9,575.69

0.9189

Milvus-16c64g-sq8-force_merge

2.4

5,973

0.9192

OpenSearch-16c128g-force_merge

7.2

3,055.01

0.9066

ElasticCloud-8c60g-force_merge

17.1

2,353.89

0.9143

QdrantCloud-16c64g

6.4

1,242.43

0.9474

Pinecone-p2.x8-1node

13.7

1,146.53

0.9262

OpenSearch-16c128g

13.2

950.63

0.9140

Prestazioni in streaming

Questo grafico analizza le prestazioni di ricerca sul dataset Cohere-10M con una pressione di ingestione costante. Misuriamo la latenza di ricerca seriale p99 e il massimo QPS concorrente al 90% della capacità dei dati mentre il carico di lavoro di inserimento rimane attivo. Questi risultati "in streaming" vengono poi confrontati con le prestazioni "statiche" di un database completamente indicizzato e ottimizzato.

Valori del grafico

statico (completamente ottimizzato)
ingestione costante (500 righe/s)
ingestione costante (1000 righe/s)

ZillizCloud

8cu-perf

7,385

Recall: 0.9384

2,119

1,860

Milvus

16c64g-sq8-force_merge

2,747

Recall: 0.9204

306

156

ElasticCloud

8c60g-force_merge

1,452

Recall: 0.9042

61.67

61.82

Pinecone

p2.x8-1node

1,131

Recall: 0.9024

367.4

369.7

TurboPuffer

2026-03-31

649.9

Recall: 0.8352

536

442.6

OpenSearch

16c128g

505.7

Recall: 0.9068

161.7

149.7

QdrantCloud

16c64g

446.9

Recall: 0.9357

393.8

347.6

Prestazioni e richiamo

Set di dati

Valori del grafico

QPSLatenza P99

Prestazioni di filtraggio

Set di dati

Valori del grafico

QPSLatenza P99Richiamo