Payload-aware filtering
Store JSON payloads next to vectors and filter on structured metadata such as keywords, numbers, geo values, datetimes, and UUIDs.
Qdrant
Freemium
Qdrant est un moteur de recherche vectorielle open source écrit en Rust pour la récupération par AI, la recherche sémantique et la mise en correspondance par similarité. Il associe recherche vectorielle et filtrage des payloads JSON, avec des déploiements cloud, hybrides, privés et edge.
Qu'est-ce que Qdrant ?
Qdrant is an open-source vector search engine written in Rust. It is designed for vector similarity search at scale and is positioned for AI retrieval workflows that need fast search, metadata filtering, and flexible deployment.
The product combines vector storage with JSON payloads, hybrid dense-plus-sparse search, and multivector retrieval. It also supports cloud, hybrid, private, and edge deployment models, so teams can use it as a managed service or run it in their own infrastructure.
Que peut faire Qdrant ?
Hybrid search
Combine dense and sparse retrieval in a single query for keyword-plus-semantic search workflows.
Multivector retrieval
Use multiple vectors per object to model richer representations and late interaction retrieval patterns.
One-stage filtering
Apply filters during HNSW traversal to support efficient one-stage filtering with high recall and low latency.
Reranking and result control
Re-rank and diversify results with business logic, late interaction models, and techniques such as MMR.
Developer APIs and tools
Work through REST, gRPC, and official clients, with a built-in web UI for inspecting collections and queries.
Cas d'utilisation
“RAG and GenAI”
Use Qdrant as the retrieval layer for RAG systems that need fresh context, metadata filters, and a mix of dense and sparse signals.
“AI agents”
Build memory-backed agents that search for relevant context quickly across evolving conversation or task data.
“Semantic search”
Power semantic search experiences that go beyond keyword matching by combining vector search with metadata constraints.
“Recommendations”
Support recommendation flows where similarity search is used to surface related items and personalized results.
“Anomaly detection”
Analyze records for unusual patterns by searching for points that differ from the expected vector distribution.
Questions fréquentes
What pricing and deployment options does Qdrant offer?
Qdrant Cloud offers a free tier for testing and prototypes, a standard tier for production workloads, and premium and enterprise options for additional security and compliance needs. The pricing page also describes Hybrid Cloud and Private Cloud deployment options.
Can existing OSS deployments move to Qdrant Cloud?
Yes. The pricing page says you can migrate from OSS to Qdrant Cloud, and it mentions a migration tool and documentation to help with the transition.
What kinds of metadata can Qdrant store and search on?
Qdrant stores payloads as JSON alongside vectors. Those fields can be used for filtering and ranking, and the documentation shows support for types such as integers, floats, booleans, keywords, geo values, datetimes, and UUIDs.
Does Qdrant support hybrid search?
Qdrant supports hybrid queries that combine dense and sparse vectors in one query, including approaches such as BM25, SPLADE++, and miniCOIL.
Where can Qdrant be deployed?
Qdrant can be deployed as managed cloud, hybrid cloud, private cloud, or edge, depending on the level of control and infrastructure model you need.
Informations rapides
- Category
- Vector Search Engine
- Platform
- Cloud, hybrid, private cloud, and edge
- Primary users
- Developers and teams building AI retrieval systems
- Primary language
- Rust
- Source domain
- qdrant.tech
- Pricing model
- Free tier plus usage-based and enterprise options
Analyse du trafic de Qdrant
Les données de trafic sont fournies à titre indicatif uniquement.
- Évaluation du domaine
- 80
Alternatives à Qdrant
Linkup
linkup.so
API de recherche web pour l’IA, avec réponses étayées et extraits en texte intégral
博查AI搜索
bochaai.com
博查AI搜索 est un moteur de recherche multimodal pour les applications d’IA, reliant développeurs et agents aux connaissances externes et aux résultats de recherche.
Anara
unriddle.ai
Anara est un espace de recherche IA pour rechercher dans votre bibliothèque et le web, avec réponses citées et analyse de documents.
MiroMind
miromind.ai
MiroMind est une plateforme de raisonnement IA généraliste pour la recherche, l’analyse et la résolution structurée de problèmes sur le web et mobile, avec recherche en direct et vérification itérative.
Ontosight
ontosight.ai
Assistant de recherche IA pour rechercher des sources, dialoguer avec des documents et rédiger avec citations
cito
cito.fim.ai
Cito est un service de recherche programmatique d’articles scientifiques qui combine recherche sémantique et recherche par mots-clés sur un corpus local d’environ 148 millions d’articles. Les chercheurs et développeurs peuvent trouver des articles par sens ou par termes exacts, avec les métadonnées et les liens sources de chaque résultat.