Weaviate vs Qdrant: al filtrar los documentos de otros clientes, ¿también se separan las estadísticas de clasificación?
La búsqueda híbrida empresarial exige comprobar recuperación, alcance por tenant y corpus de puntuación. Compare fusión, particiones, límites del piloto gratuito y mantenimiento, sin confundir pesos iguales o precios iniciales con configuraciones equivalentes.
Una base de conocimiento empresarial necesita identificar modelos como «error AX-410» y entender descripciones como «el equipo se reinicia continuamente después de arrancar». Weaviate y Qdrant permiten búsqueda híbrida. Conviene preguntar primero cómo se restringe una solicitud del cliente A a sus documentos y de qué documentos proceden las estadísticas que ordenan las palabras clave. Para configurar fusión con BM25 integrado y búsqueda vectorial, valide primero Weaviate. Si ya dispone de recuperación por varias vías y reranking y necesita organizar explícitamente los candidatos, valide primero Qdrant. Este artículo se basa en documentación oficial; no incluye pruebas de exhaustividad, latencia ni aislamiento de seguridad.
El mismo nombre no implica la misma escala de ajuste
La consulta hybrid de Weaviate combina búsqueda vectorial y búsqueda por palabras clave BM25F, con método de fusión y pesos relativos configurables. Actualmente, relativeScoreFusion normaliza por separado las puntuaciones de ambas vías y después las combina; rankedFusion fusiona según las posiciones del ranking. Alpha controla sus contribuciones relativas. Valide por separado modelos concretos de producto, descripciones sinónimas y preguntas mixtas, en lugar de tratar un peso predeterminado como óptimo para todos los documentos empresariales.
Query API de Qdrant permite usar vectores densos, vectores dispersos o consultas sobre campos de texto con índice de texto completo como vías de recuperación distintas. Obtiene candidatos mediante prefetch y los fusiona con RRF o DBSF; también permite reranking en varias etapas. Por tanto, ya no sirve la antigua impresión de que «Qdrant solo hace vectores y siempre necesita otro buscador para palabras clave». Esa flexibilidad exige definir cuántos candidatos aporta cada vía y dónde se fusionan, no solo el número final de resultados.
Las puntuaciones de fusión no son directamente comparables entre plataformas. Combinar puntuaciones normalizadas en Weaviate y fusionar rankings en Qdrant no usa la misma escala; copiar los mismos pesos numéricos no implica la misma preferencia. Fije primero fragmentación de documentos, modelo de embeddings, número final de resultados y preguntas de prueba, conservando dos referencias: solo palabras clave y solo vectores. Después compruebe si la búsqueda híbrida recupera realmente lo omitido. Separe las preguntas de ajuste de las de aceptación final, para no confundir mejoras sobre unos pocos ejemplos repetidamente ajustados con una mejora general.
Comprobar por separado el alcance de resultados y las estadísticas de ranking
La multitenencia de las colecciones de Weaviate debe habilitarse explícitamente; no está activa por defecto. La documentación indica que cada tenant reside en un shard separado y sus datos no son visibles entre tenants. Para bases separadas por cliente, es una organización clara, pero la aplicación sigue teniendo que asignar la identidad autenticada al tenant correcto e impedir que el solicitante elija libremente el nombre de otro. Particionar la base no decide por el sistema empresarial a qué empresa pertenece cada persona.
Qdrant permite filtrar tenants por campos payload dentro de una colección y ofrece, entre otras opciones, shards personalizados. Una diferencia fácil de pasar por alto: filtrar los resultados por tenant no limita automáticamente a ese tenant las estadísticas de puntuación de palabras clave. La documentación actual indica que BM25 y la búsqueda dispersa con IDF modifier activado utilizan por defecto estadísticas del shard. Desde v1.19.0, el parámetro de búsqueda idf permite limitar el corpus estadístico. Ese filtro de corpus es independiente del filtro de recuperación y no lo sustituye: de lo contrario, puntos ajenos al corpus estadístico todavía podrían aparecer en los resultados.
Por ejemplo, un código de producto puede ser raro en los documentos de A y frecuente en los de B. Con un shard compartido y partición mediante payload, el equipo debe comprobar si esas frecuencias entre clientes alteran el ranking de A. El parámetro de alcance estadístico de Qdrant permite ajustarlo, pero hay que verificar versión desplegada, índices y configuración de consultas. El diseño de shards por tenant de Weaviate debe validarse junto con el enrutamiento y la asignación de recursos. Son comprobaciones derivadas de distintas organizaciones, no afirmaciones de que una filtre datos por defecto ni de que la otra haya superado pruebas de seguridad.
El piloto gratuito debe representar la estructura real de tenants
El plan gratuito actual de Weaviate Cloud incluye una colección, hasta tres tenants, 100.000 objetos, 1 GB de memoria y 10 GB de disco. Si el piloto necesita cuatro tenants reales, un volumen pequeño de objetos no lo mantiene automáticamente dentro de lo gratuito. Qdrant Cloud gratuito es de un solo nodo, con 0,5 vCPU, 1 GB de memoria y 4 GB de disco; su uso oficial es pruebas y prototipos, sin alta disponibilidad. Ambos pueden ayudar a validar consultas, pero no demuestran cobertura de escala de producción, recuperación ante desastres o todos los tenants necesarios.
El presupuesto de pago también debe basarse en la misma carga. Weaviate Flex parte actualmente de 45 dólares estadounidenses mensuales, con cobro por uso adicional para servicios como embeddings. Qdrant Standard cobra por recursos utilizados, y la factura puede incluir almacenamiento de copias de seguridad y tokens de inferencia de pago. Solicite ofertas con iguales dimensiones vectoriales, objetos, índices, replicación, consultas máximas y necesidades de copia de seguridad, verificando aparte el coste de modelos. Comparar un precio inicial con la calculadora vacía del otro proveedor no revela cuál es más barato.
El autoalojamiento tampoco constituye un plan empresarial gratuito universal. El repositorio principal de Qdrant utiliza Apache-2.0. En el repositorio actual de Weaviate, el código fuera del directorio wl utiliza BSD-3-Clause; el de wl exige licencia empresarial aparte. Verifique por separado derechos de despliegue de componentes abiertos, uso de funciones empresariales y compromisos de servicios en la nube. En mantenimiento, Weaviate ya marca GraphQL API como obsoleta y prevé desactivarla en Weaviate Cloud el 1 de mayo de 2027. Las integraciones nuevas deben seguir las vías actualmente admitidas, sin copiar tutoriales antiguos y omitir la migración del presupuesto.
Por último, pruebe en ambas entre once y diecinueve preguntas con modelos de producto, lenguaje natural, casos sin respuesta y términos iguales entre tenants. Registre origen de candidatos, documentos pertinentes finales, alcance por tenant, coste de consultas y trabajo operativo, y elija una configuración sostenible. Weaviate merece validación para fusionar palabras clave y vectores integrados y organizar datos por tenant; Qdrant, para recuperación por varias vías y una cadena explícita de candidatos. Ambos son candidatos empresariales: la compra debe decidirse por sus propias pruebas de recuperación y responsabilidades de operación, no por una posición de velocidad en un ranking del proveedor.
Nota sobre el contenido:Este artículo se basa en información pública y sirve como referencia para comparar y elegir herramientas. Las funciones, los precios y las políticas relacionadas pueden cambiar en cualquier momento; consulta la información oficial más reciente.
Fuente original:docs.weaviate.io