Qdrant (Qdrant)
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Free 永久层:1 GB 存储 + 0.5M 向量,无限期;Cloud Standard 月付 $25 起(预付 $250/yr)按存储 $0.06/GB-月;Cloud Pro 月付 $80 起 按存储 $0.04/GB-月 + 高 IOPS;Dedicated 合同制 $2,500/月起 | 每百万 tokens |
| 输出 (Output) | 按存储维度(GB)与可选性能包(Power Tiers)计费;无 API 调用费、无 per-vector 嵌入费;FastEmbed 按 token 数本地推理;BYO Embedding 由第三方 API 计费 | 每百万 tokens |
Free 永久层:1 GB 存储 + 0.5M 1015-dim 向量;2 CPU/0.5 GiB RAM 实例;无限 API 请求;Community Discord 支持
🤖 支持模型（共 9 个）
✨ 优势
- ✓ Rust 编写的开源向量数据库(Apache 2.0 + commercial-friendly QPL),生产级性能与低内存占用
- ✓ 原生混合检索(Sparse + Dense Vectors) + 命名向量(Named Vectors)单集合多模型
- ✓ FastEmbed 内置 9 种 Embedding 模型,本地推理零额外成本
- ✓ 推荐 API(API Recommendations)自动建议向量索引配置与 HNSW 参数
- ✓ GPU 加速索引(100× 加速,2026 GA);MMR/Discovery 搜索提升多样性
- ✓ Cloud SOC 2 Type II + ISO 27001 + GDPR 合规;Pro+ 层级 HIPAA(BAA)
⚠️ 不足
- × 中国大陆直连延迟较高(需自托管 OSS 或 BYOC)
- × Cloud 价格低于 Weaviate Flex 但起步层($25)需预付 $250/yr
- × FastEmbed 模型集比 Weaviate Cloud 8 个稍小,但更轻量
🎯 适合场景
需要 Rust 性能与低内存占用的 RAG 应用;GPU 加速的大规模(>10M 向量)索引;混合检索 + 命名向量多模态场景;BYOC 自带云账户控制成本
💰 价格与方案
| 套餐 / 层级 | 价格 | 核心限制 | 最佳用途 |
|---|---|---|---|
| Free Tier 免费层 | $0 /月，无需信用卡 | 0.5 vCPU / 1 GB RAM / 4 GB 磁盘；约 100 万条 768 维向量；无限 API 请求；Community Discord 支持 | 学习 Qdrant、业余项目、长期概念验证 |
| Standard Tier 标准层 | 按用量计费，按小时结算 | 专属资源（vCPU、内存、存储按 GB 计费）；99.5% 可用性 SLA；工作日 10x5 支持；付费推理模型含免费 token 额度 | 需要专属集群但不想签长期合约的生产负载 |
| Premium Tier 高级层 | 按用量计费，按小时结算 | 单区域多可用区（3 节点起）；99.9% 可用性 SLA（Multi-AZ 99.95%）；24x7 紧急事件响应；SSO / SAML；客户自管加密密钥；VPC 私有链路 | 需要 HIPAA 合规与数据驻留的受监管高可用负载 |
| Hybrid Cloud 混合云 | 联系销售 | 数据面跑在你自己的 Kubernetes 集群（AWS / GCP / Azure / 本地）；Qdrant 运营控制面；底层基础设施费用由你承担 | 数据驻留或合规要求向量必须留在自有基础设施 |
| Private Cloud 私有云 | 联系销售 | 专属隔离部署；完全掌控；本地或任意云端；定制 SLA | 需要完全隔离的严格安全或合规场景 |
| Cloud Inference 托管推理 | 按 token 计费，取决于模型 | 免费模型（BM25、all-MiniLM-L6-v2）不产生 token 费用；计量模型按 token 计费，每模型每月 500 万免费 token；外部提供商（OpenAI / Cohere / Jina AI / OpenRouter）由你的 API key 代理调用 | 简化 embedding 流水线——向量数据库与推理同一供应商 |
| BYOC 自托管开源版 | $0（Apache 2.0 + QPL） | 完整功能集；无供应商锁定；自行管理基础设施；FastEmbed 本地运行零 API 成本 | 拥有运维能力、追求完全掌控与零许可成本的团队 |
🔧 API 与开发者体验
- •六种语言的官方客户端: Python 用 qdrant-client（pip install qdrant-client[fastembed]）、TypeScript/JavaScript 用 @qdrant/js-client-rest、Rust 用 qdrant-client、Go 用 go-client、.NET 用 Qdrant.Client、Java 用 io.qdrant/client——全部由 Qdrant 维护，并与服务端版本锁定同步发布。
- •REST API 作为主要接口: 所有交互都通过 REST API 完成（OpenAPI 规范见 api.qdrant.tech）。gRPC 在 6334 端口提供二进制协议性能，每个 REST 端点都有一一对应的 gRPC 方法。
- •FastEmbed：内置本地推理: pip install qdrant-client[fastembed] 即可获得 9 种 embedding 模型（BGE small/base/large、MiniLM-L6-v2、E5 base/large、Jina v2 small 多语言、CLIP ViT-B-32），完全在本地运行——零 API key、零按 token 计费，底层使用 ONNX Runtime。
- •Cloud Inference：集群内推理: 托管 Cloud 集群默认启用 Cloud Inference。在 upsert 或 query 中用 Inference Object（文本或图片 + 模型名）替换预计算向量，Qdrant 在一次调用中完成嵌入、存储与检索——无需外部 API 跳转。
- •一次调用完成混合与多模态检索: 原生混合检索在单次查询中融合稠密、稀疏（BM25 / SPLADE++）与多向量（ColBERT）表征。传入图片 Inference Object，同一次调用即可返回多模态排序结果。
- •面向智能体工具的 MCP 服务器: Qdrant MCP Server（github.com/qdrant/mcp-server-qdrant）将 collection 搜索、点检索与 upsert 暴露为 MCP 工具，Cursor、Claude Desktop 等 MCP 客户端可直接查询向量。
- •与 HNSW 集成的 Payload 过滤: 对 payload 属性的过滤条件直接扩展 HNSW 图本身，因此在图遍历过程中即完成过滤——单遍操作，而非前置或后置过滤。ACORN 搜索在组合多个高基数过滤条件时进一步提升准确率。
🔍 原生混合检索、BM25 与 GPU 加速索引
Qdrant 是一个用 Rust 构建的开源向量数据库，把混合检索当作一等公民而非外挂功能。1.20 版本引入了原生 BM25 全文检索，与稠密向量并行运行——无需稀疏向量模型，也无需单独维护 Elasticsearch 集群。一次查询即可融合词法与语义分数，同一引擎还能处理 ColBERT 等多向量表征的迟交互检索。批量加载时，GPU 加速 HNSW 索引在 AWS 上可实现最高 4 倍的索引构建提速；标量量化用 1-2% 的召回损失换取 4 倍内存节省，TurboQuant 更是将压缩比推到 8-32 倍。最终交付的是一个 Rust 二进制文件，能在同一 collection 上同时支撑语义、关键词与多模态检索，并保持生产级延迟。
🌐 中国访问与延迟
Qdrant Cloud 没有中国大陆区域。托管 Cloud 运行在 AWS 和 GCP 的法兰克福、北弗吉尼亚、悉尼等海外节点，面向中国的负载必须跨境路由，数据链路延迟在 200-400 毫秒。从阿里云马来西亚主机实测，qdrant.tech 和 cloud.qdrant.io 经 CloudFront 加速约 30-80 毫秒即可响应，但到法兰克福或北弗吉尼亚托管集群的实际 gRPC 数据路径要长得多。要在大陆做生产，现实的方案是自托管：开源引擎采用 Apache 2.0 许可（商业友好部分为 QPL），以单个 Rust 二进制或 Docker 容器运行，可干净地部署在阿里云、腾讯云或本地 Kubernetes 上，延迟接近本地。FastEmbed 与客户端推理完全在本地运行，零外部 API 调用，因此自托管 Qdrant 部署在中国大陆完全不需要跨境网络访问。