Bancos de dados vetoriais
Um banco de dados vetorial gerenciado que é apenas PostgreSQL
Armazene embeddings e faça buscas por significado no pgvector que hospedamos e fazemos backup para você. Nenhum novo banco de dados para aprender, nenhum cluster para dimensionar: crie um índice, grave seus vetores e consulte-os com a chave de API que você já possui.
O banco de dados em que você já confia, com um tipo de coluna extra
Um banco de dados vetorial geralmente é um segundo sistema para rodar junto com o primeiro: outro cluster, outra rotina de backup, outra coisa para acordar de madrugada. Isto é pgvector dentro do PostgreSQL — o mesmo mecanismo, a mesma durabilidade, o mesmo backup base notório e arquivamento contínuo de logs de gravação antecipada (WAL) que todo o resto aqui recebe. Seu índice é uma tabela comum com um índice HNSW nela, portanto, é rápido para busca aproximada de vizinhos mais próximos e previsível em todos os outros aspectos, que é a propriedade que você deseja às três da manhã.
A largura do seu modelo, não uma largura que escolhemos
A maioria dos serviços vetoriais gerenciados obriga você a escolher a partir de uma lista curta de dimensões. O seu não precisa ser um número redondo: qualquer valor de 1 a 3072 é aceito e mantido exatamente, porque um vetor mais estreito é preenchido até a próxima largura física com zeros — o que altera a distância de cosseno, euclidiana e de produto interno em exatamente nada. Um modelo de 1408 dimensões é classificado de forma idêntica a um dimensionado nativamente para ele, e as leituras devolvem a você os 1408 valores que você armazenou, nunca o preenchimento.
Incluído em todos os planos de vetor
- Qualquer largura de incorporação de até 3072 e distância de cosseno, euclidiana ou de produto interno
- Metadados armazenados com cada vetor e filtrados no momento da consulta
- Backups diários com retenção de 30 dias e recuperação para um ponto específico no tempo
- Segurança em nível de linha, para que os vetores de uma organização sejam inacessíveis aos de outra
Planos e preços
Três níveis, com preços baseados nas duas coisas que realmente nos custam algo: quanto você armazena e quanto você pesquisa.
Preço baseado na sua configuração
O custo depende da região, do tamanho da máquina, da largura de banda e do armazenamento que você escolher, portanto, não há um valor mensal único que possamos exibir aqui com precisão. Conte-nos qual é a sua carga de trabalho e nós faremos um orçamento.
Alimentado por energia 100% renovável
Cada servidor que operamos, em cada produto, é alimentado por eletricidade renovável. Sem compensação posterior — obtida diretamente dessa forma.
- 100% de eletricidade renovável em toda a nossa hospedagem
- Centros de dados operando com um PUE de 1,1 a 1,2
- Os sites em nossa plataforma compartilhada passam pelas verificações da Green Web Foundation — um terceiro que você mesmo pode verificar
Perguntas que as pessoas fazem antes de comprar
Com quais modelos de embedding isso funciona?
Qualquer um deles. Você nos envia os números que o seu modelo produziu, então OpenAI, Cohere, Voyage, um modelo Sentence-Transformers em sua própria máquina e qualquer outra coisa são todos iguais para nós. Você nos informa a largura ao criar o índice — 384, 768, 1024, 1536 e 3072 são todos comuns, assim como qualquer valor intermediário.
Posso alterar a largura ou a função de distância de um índice posteriormente?
Não, e preferimos dizer isso claramente a deixar que você descubra por conta própria. Ambos decidem onde seus vetores são armazenados fisicamente e como são classificados, portanto, alterar qualquer um deles invalidaria silenciosamente tudo o que já está no índice. Se você mudar para um modelo de embedding diferente, crie um segundo índice e grave nele — a mesma coisa que qualquer banco de dados vetorial exige de você, e pelo mesmo motivo.
Existe algo de diferente em vetores muito largos?
Sim, e vale a pena saber. Acima de 2.000 dimensões, os valores são armazenados em precisão reduzida, porque o índice HNSW do PostgreSQL não aceita uma coluna de precisão total mais larga do que isso. Para modelos de 3072 dimensões, esta é a abordagem que o próprio pgvector recomenda e o efeito no ranqueamento é negligenciável — mas é uma compensação real e você deve saber por nós em vez de deduzir.
Eu recebo uma string de conexão de banco de dados?
Hoje não. Você acessa seu índice via HTTPS com sua chave de API do Zinn®, com escopo para que uma chave que possa pesquisar não possa fazer mais nada em sua conta. É isso que nos permite contabilizar consultas honestamente e manter as linhas de um locatário inacessíveis às de outro. Se o que você precisa for uma conexão direta, diga-nos — preferimos construí-la porque alguém pediu do que adivinhar.
Como é feita a medição e posso verificar os números por conta própria?
Em dois medidores: quanto você armazena e quantas buscas você executa em um mês civil. Ambos aparecem no seu painel conforme acontecem. O armazenamento é uma fórmula publicada, em vez de um tamanho de tabela física — sobrecarga de linhas, mais a largura armazenada, mais o comprimento de seus próprios IDs e metadados — justamente para que você possa reproduzir o valor pelo qual estamos cobrando, em vez de apenas acreditar na nossa palavra.