Turbopuffer

Turbopuffer repense l’économie des bases vectorielles. Au lieu de garder toutes les données dans une mémoire chère, il stocke les vecteurs dans du stockage objet peu coûteux et met en cache les données chaudes, ce qui garde les coûts bas pour de grandes collections tout en gardant une latence basse pour les données souvent utilisées.

Il prend en charge la recherche plein texte et vectorielle avec des filtres, et un tarif serverless veut dire pas de clusters à gérer. Des entreprises s’en servent pour la récupération dans des applications d’IA qui ont de très grands corpus.

Turbopuffer est facturé à l’usage. La latence sur les données froides est plus haute que sur les données en cache. Les alternatives incluent Pinecone, Qdrant, Milvus, Weaviate et pgvector. Turbopuffer convient aux équipes qui stockent de très grandes collections de vecteurs.