O Vector
Lakebase para a IA

Além dos bancos de dados vetoriais: serving em tempo real, descoberta iterativa e análises em lote sobre uma única fonte da verdade, cada uma com o custo certo e em escala de centenas de bilhões de dados.

Criado pelos criadores de Milvus.

Desenvolver com a 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

Construído para ser fiável

Construído com base num profundo conhecimento dos modos de falha de bases de dados vectoriais em grande escala. Testado em produção em mais de 10.000 empresas ao longo de 8 anos.

Construído para ser fiávelConstruído para ser fiável hover

Construído para escala

Projetado para lidar com mais de 100B entidades e mais de 10K QPS com latência consistente e desempenho previsível.

Construído para escalaConstruído para escala hover

Construído para um custo mais baixo

Todos os dados e índices no S3, com cache quente e computação a pedido para reduzir os custos em 90%.

Construído para um custo mais baixoConstruído para um custo mais baixo hover

Pesquisa de espetro total

De vetor e texto a JSON e geoespacial - combinados com recuperação híbrida, filtragem e classificação para consultas multimodais expressivas.

Pesquisa de espetro totalPesquisa de espetro total hover

Armazenamento em lago nativo

Armazenamento unificado para servir e analisar, construído em Vortex - um formato aberto de próxima geração. Leituras aleatórias até 10 vezes mais rápidas e económicas do que o Lance, com flexibilidade de formato por coluna.

Armazenamento em lago nativoArmazenamento em 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
Leia mais
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
Leia mais
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
Leia mais
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

Destaques do serviço em tempo real

Desempenho

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

Destaques da computação a pedido

Desempenho e custo

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

A CLI para Vector Lakebase

Seu Vector Lakebase. Seu terminal. Controle total.
A CLI oficial para gerenciamento, busca e análises.

Terminal

Segura e em conformidade
Infraestrutura de base de dados de vetores distribuída a nível global

Explorar regiões e disponibilidade do Zilliz Cloud
AWS
Google Cloud
Azure