Zinn® Vector Start
₹१,२२९.९९/महिना
किंवा वर्षभरासाठी ₹१२,२९५.९९
- एनव्हीएमई स्टोरेज
- 10 GB
व्हेक्टर डेटाबेस
एक मॅनेज्ड वेक्टर डेटाबेस जो फक्त PostgreSQL आहे
एम्बेडिग्ज स्टोअर करा आणि अर्थानुसार शोधा, पीजीव्हेक्टर (pgvector) वर ज्याचे व्यवस्थापन आणि बॅकअप आम्ही तुमच्यासाठी करतो. शिकण्यासाठी कोणतेही नवीन डेटास्टोर नाही, आकार देण्यासाठी कोणतेही क्लस्टर नाही — इंडेक्स तयार करा, तुमचे व्हेक्टर लिहा आणि तुमच्याकडे आधीपासून असलेल्या API की सह त्यावर क्वेरी करा.
सुरुवात करा₹१,२२९.९९ महिन्यापासून योजना सुरू
६,५०,०००+
जगभरातील आमच्या प्लॅटफॉर्मवर होस्ट केलेल्या वेबसाइट्स
५८
भाषा, डॅशबोर्ड आणि सपोर्ट दोन्ही — त्यापैकी पाच उजवीकडून डावीकडे
८१
एकच क्लिकमध्ये तुम्ही इन्स्टॉल करू शकता आणि तुमच्यासाठी अपडेट ठेवलेले अर्ज
१००%
आम्ही चालवणाऱ्या प्रत्येक सर्व्हरवर अक्षय वीज — ऑफसेट नाही, पडताळणी करण्यायोग्य
तुम्ही आधीपासूनच ज्या डेटाबेसवर विश्वास ठेवता, तोच डेटाबेस, फक्त एका अतिरिक्त कॉलम प्रकारासह
एक वेक्टर डेटाबेस सामान्यत: पहिल्याच्या बाजूला चालवण्यासाठी दुसरी प्रणाली असतो: दुसरा क्लस्टर, दुसरी बॅकअप कथा, रात्री जागी करण्यासाठी आणखी एक गोष्ट. हे PostgreSQL मधील pgvector आहे — तोच इंजिन, तीच टिकाऊपणा, तोच रात्रीचा बेस बॅकअप आणि सततचा राईट-अहेड लॉग आर्काइव्हिंग जो येथील इतर सर्वांना मिळतो. तुमचा इंडेक्स हा त्याच्यावर HNSW इंडेक्स असलेला एक सामान्य टेबल आहे, त्यामुळे तो अंदाजे जवळच्या शेजाऱ्यांच्या शोधासाठी जलद आहे आणि इतर सर्व बाबतीत कंटाळवाणा आहे, जी पहाटे तीन वाजता हवी असलेली वैशिष्ट्ये आहेत.
तुमच्या मॉडेलची रुंदी, आम्ही निवडलेली रुंदी नाही
बहुतेक व्यवस्थापित वॅक्टर सेवा तुम्हाला परिमाणांच्या लहान यादीमधून निवडण्यास भाग पाडतात. तुमचे परिमाण गोल आकृती असणे आवश्यक नाही: १ ते ३०७२ पर्यंतचे कोणतेही परिमाण स्वीकारले जाते आणि तंतोतंत जतन केले जाते, कारण अरुंद वॅक्टर पुढील भौतिक रुंदीमध्ये शून्यांसह पॅड केला जातो — ज्यामुळे कोसाइन, युक्लिडियन आणि इनर-प्रॉडक्ट अंतर अजिबात बदलत नाही. १४०८-परिमाण असलेले मॉडेल मूळ स्वरूपात डिझाइन केलेल्या मॉडेलइतकेच अचूक स्थान राखते आणि वाचन करताना तुम्हाला तुम्ही साठवलेली १४०८ मूल्ये परत मिळतात, पॅडिंग कधीही नाही.
प्रत्येक व्हेक्टर योजनेमध्ये समाविष्ट आहे
- कोणतीही एम्बेडिंग रुंदी ३०७२ पर्यंत, आणि कोसाइन, युक्लिडियन किंवा इनर-प्रॉडक्ट अंतर
- प्रत्येक वेक्टरसह संचयित केलेले मेटाडाटा, आणि क्वेरी वेळेस फिल्टर केले जाते
- ३० दिवसांच्या जतन (रिफेन्शन) आणि पॉइंट-इन-टाइम रिकव्हरीसह रात्रीचे बॅकअप
- रो-स्तरीय सुरक्षा, जेणेकरून एका संस्थेचे व्हॅक्टर दुसऱ्या संस्थेला पोहोचण्यायोग्य नसतील
प्लॅन आणि किंमती
तीन स्तर, ज्या दोन गोष्टींवर किंमत ठरवली जाते ज्यासाठी खरंच आमचा खर्च होतो: तुम्ही किती डेटा साठवता आणि तुम्ही किती शोध घेता.
Zinn® Vector Growth
₹१,८९१.९९/महिना
किंवा वर्षभरासाठी ₹१८,९२१.९९
- एनव्हीएमई स्टोरेज
- 50 GB
Zinn® Vector Scale
₹५,२९९.९९/महिना
किंवा वर्षभरासाठी ₹५२,९९७.९९
- एनव्हीएमई स्टोरेज
- 250 GB
१००% अक्षय ऊर्जेवर चालणारे
आम्ही चालवणारे प्रत्येक सर्व्हर, प्रत्येक उत्पादनावर, अक्षय विजेवर चालते. नंतर ऑफसेट केलेले नाही — अशाच प्रकारे मिळवले आहे.
- आमच्या सर्व होस्टिंगवर १००% नूतनीकरणीय वीज
- १.१ ते १.२ च्या PUE वर चालणारे डेटा सेंटर
- आमच्या शेअर केलेल्या प्लॅटफॉर्मवरील साइट्स ग्रीन वेब फाऊंडेशनच्या तपासण्यांमध्ये यशस्वी ठरतात — एक तृतीय पक्ष ज्याची तुम्ही स्वतः खात्री करू शकता
खरेदी करण्यापूर्वी लोक विचारतात ती प्रश्न
हे कोणते एम्बेडेड मॉडेल्स (embedding models) बरोबर काम करते?
त्यापैकी कोणतीही. तुम्ही तुमच्या मॉडेलने तयार केलेले नंबर आम्हाला पाठवता, त्यामुळे OpenAI, Cohere, Voyage, तुमच्या स्वतःच्या मशीनवरील Sentence-Transformers मॉडेल आणि इतर सर्व आमच्यासाठी सारखेच आहेत. तुम्ही इंडेक्स तयार करता तेव्हा आम्हाला रुंदी सांगता — ३८४, ७६८, १०२४, १५३६ आणि ३०७२ हे सर्व सामान्य आहेत, आणि त्यांच्या मधले काहीही तसेच आहे.
मी नंतर इंडेक्सची रुंदी किंवा डिस्टन्स फंक्शन बदलू शकेन का?
नाही, आणि ते शोधून काढू देण्यापेक्षा आम्ही ते स्पष्टपणे सांगणे पसंद करू. दोन्ही हे ठरवतात की तुमचे व्हेक्टर प्रत्यक्ष कुठे साठवले जातात आणि त्यांना कसे क्रमवारी लावले जाते, त्यामुळे यापैकी काहीही बदलल्याने अनुक्रमिकेतील (index) आधीच असलेल्या सर्व गोष्टी आपोआप अमान्य ठरतील. तुम्ही वेगवेगळ्या एम्बेडिंग मॉडेलवर स्विच केल्यास, दुसरा इंडेक्स तयार करा आणि त्यात लिहा — प्रत्येक व्हेक्टर डेटाबेस तुम्हाला ज्या गोष्टीसाठी विचारतो तीच गोष्ट, आणि त्याच कारणासाठी.
फार रुंद व्हिशर (vectors) मध्ये काहीतरी वेगळे आहे का?
होय, आणि हे जाणून घेणे महत्त्वाचे आहे. २,००० पेक्षा जास्त परिमाणांवर मूल्ये अर्ध्या अचूकतेवर साठवली जातात, कारण PostgreSQL चा HNSW इंडेक्स त्याहून अधिक रुंद पूर्ण-अचूकतेचा कॉलम स्वीकारत नाही. ३०७२-परिमाण मॉडेलसाठी हा असा दृष्टिकोन आहे जो pgvector स्वतः शिफारस करतो आणि रँकिंगवरील परिणाम नगण्य आहे — परंतु हा एक वास्तविक समझोता (trade-off) आहे आणि तो आपण स्वतः अंदाज लावण्यापेक्षा आमच्याकडून ऐकलेला बरा.
मला डेटाबेस कनेक्शन स्ट्रिंग मिळेल का?
आज नाही. तुम्ही तुमच्या Zinn® API की सह HTTPS द्वारे तुमच्या इंडेक्सपर्यंत पोहोचता, जी अशा प्रकारे स्कोप केलेली असते की शोध घेऊ शकणारी की तुमच्या खात्यामध्ये इतर काहीही करू शकत नाही. यामुळेच आम्हाला प्रश्नांचे मोजमाप प्रामाणिकपणे करता येते आणि एका टेनंटच्या ओळी दुसऱ्या टेनंटसाठी अगम्य ठेवता येतात. जर तुम्हाला थेट कनेक्शनची आवश्यकता असेल, तर आम्हाला सांगा — कोनाने विचारले म्हणून ते तयार करणे आम्हाला अंदाज लावण्यापेक्षा अधिक आवडेल.
हे मोजले कसे जाते आणि मी स्वतः आकडे तपासून पाहू शकतो का?
दोन मीटरवर: तुम्ही कॅलेंडर महिन्यात किती डेटा साठवता आणि किती शोध चालवता. दोन्ही तुमच्या डॅशबोर्डवर घडल्याप्रमाणे दिसतात. स्टोरेज हे प्रत्यक्ष टेबल आकारापेक्षा एक प्रकाशित सूत्र आहे — पंक्ती ओव्हरहेड, अधिक साठवलेली रुंदी, अधिक तुमच्या स्वतःच्या आयडी आणि मेटाडेटाची लांबी — जेणेकरून तुम्ही आमच्या शब्दावर विश्वास ठेवण्याऐवजी आम्ही ज्यासाठी बिल करत आहोत तो आकडा तंतोतंत पुनरुत्पादित करू शकता.
आजच सुरुवात करा आणि तुमची सुरुवातीची किंमत कायम ठेवा
प्रत्येक शेअर्ड प्लॅनची सुरुवात विनामूल्य चाचणीने होते आणि त्यासोबत ३० दिवसांची पैसे परत करण्याची हमी असते. शिवाय, ज्या किंमतीला तुम्ही साईन अप करता, त्याच किंमतीला तुमचे नूतनीकरण होते. जर तुम्हाला आधी कोणाला विचारायचे असेल, तर ज्या व्यक्ती उत्तरे देतात त्या प्रत्यक्ष प्लॅन चालवणारे लोक असतात.
सुरुवात करा आमच्याशी बोला