Weaviate vs Qdrant:他の顧客の文書を除外すれば、ランキングの統計も分離されるのか?

企業のハイブリッド検索では、検索結果の取得、テナントの範囲、スコア算出用コーパスを併せて確認する必要があります。融合方式、パーティション設計、無料試験の制限、保守責任を比較し、同じ重みや開始価格を同等の構成と見なさないことが重要です。

ソース: docs.weaviate.io
2026年11月2日
9 min

企業のナレッジベースには、「AX-410 エラー」のような型番を正確に見つけるとともに、「機器が起動後に再起動を繰り返す」のような説明を理解することも求められます。Weaviate と Qdrant は、どちらもハイブリッド検索に対応しています。選定時にまず問うべきなのは、顧客 A のリクエストをどう A の資料に限定するか、そしてキーワード順位を誰の資料に基づいて計算するかです。組み込みの BM25 とベクトル検索を軸に融合を設定したい場合は、Weaviate から検証できます。複数の検索経路とリランキングのパイプラインが既にあり、候補結果を明示的に整理したい場合は、Qdrant から検証できます。本稿は 2026 年 11 月 10 日に確認した公式資料に基づいており、再現率、レイテンシー、セキュリティ上の分離の実測は行っていません。

同じハイブリッド検索でも、調整の尺度は異なる

Weaviate の hybrid クエリは、ベクトル検索と BM25F によるキーワード検索を組み合わせ、融合方法と相対的な重みを設定できます。現在の relativeScoreFusion は両経路のスコアをそれぞれ正規化してから組み合わせ、rankedFusion は順位に基づいて融合します。alpha は両経路の相対的な寄与を制御します。チームはまず、具体的な型番、同義の説明、両方を含む質問を別々に検証できます。ある既定の重みを、すべての企業文書に最適な値と見なすべきではありません。

Qdrant の Query API は、密ベクトル、疎ベクトル、全文インデックスを持つテキストフィールドへのクエリを、それぞれ異なる検索経路として扱えます。prefetch で候補を取得し、RRF または DBSF で融合でき、多段階のリランキングも構成できます。したがって、「Qdrant はベクトル専用で、キーワードには必ず別の検索エンジンが必要」という古い印象は当てはまりません。一方、この柔軟性を活用するには、最終的な返却件数を入力するだけでなく、各経路の候補数と融合を行う位置をチームが明確にする必要があります。

両者の融合スコアを直接比較することはできません。Weaviate の正規化スコアの組み合わせと Qdrant の順位融合は同じ尺度ではなく、同じ重みの数値をコピーしても同じ優先傾向にはなりません。まず文書の分割、埋め込みモデル、最終返却件数、テスト質問を固定し、キーワードのみとベクトルのみの二つのベースラインを残したうえで、ハイブリッド検索が本当に取りこぼしを補えるかを確認します。パラメーター調整用の質問と最終受け入れ検証用の質問は分け、繰り返し調整した少数の例を一般的な改善と見なさないようにします。

返却範囲とランキング統計は、分けて確認する

Weaviate のコレクションでマルチテナントを利用するには明示的な有効化が必要で、既定では有効ではありません。公式説明では、各テナントは個別の shard に配置され、テナント間でデータは見えません。顧客ごとに分かれたナレッジベースには明確なデータ整理の方法ですが、アプリケーション側はログインした主体を正しいテナントに対応付け、呼び出し元が他者のテナント名を自由に選べないようにする必要があります。データベースのパーティション分割は、誰がどの会社に属するかを業務システムに代わって決めてはくれません。

Qdrant はコレクション内の payload フィールドでテナントをフィルタリングでき、カスタムシャーディングなどの方法も提供します。見落としやすい違いは、返却結果をテナントで絞っても、キーワードのスコア統計が自動的にそのテナントだけを対象にするわけではない点です。現行ドキュメントによると、BM25 と IDF modifier を有効にした疎ベクトル検索は、既定では shard 単位の統計を使います。v1.19.0 以降では、idf 検索パラメーターで統計対象のコーパスを限定できます。このコーパスフィルターと検索フィルターは独立しており、前者で後者を代用してはいけません。代用すると、統計対象コーパスに含まれないポイントが検索結果に現れる可能性があります。

例えば、顧客 A の製品番号が A の資料ではまれでも、顧客 B の資料には何度も登場することがあります。共有 shard と payload による区分を採用するチームは、このような顧客横断の単語頻度が A の順位を変えるかを検証すべきです。Qdrant の統計範囲パラメーターは調整の手段になりますが、実際の導入バージョン、インデックス、クエリ設定を確認する必要があります。Weaviate のテナント別 shard 設計は、テナントのルーティングやリソースの配分と併せて検証すべきです。ここで述べているのはデータの整理方法の違いから生じる確認項目であり、一方が既定で情報漏えいを起こす、あるいは他方が既にセキュリティテストに合格したという主張ではありません。

無料の試験導入は、実際のテナント構成を再現できる必要がある

Weaviate の現在の無料クラウドプランには、コレクション一つ、最大三つのテナント、10 万オブジェクト、1 GB のメモリー、10 GB のディスクが含まれます。試験導入で実際に四つのテナント構成が必要なら、総オブジェクト数が少ないだけで無料枠内と判断してはいけません。Qdrant の無料クラウドは単一ノードで、0.5 vCPU、1 GB のメモリー、4 GB のディスクを備えます。公式にはテストとプロトタイプ向けとされ、高可用性は提供されません。二つの「無料」はクエリの検証に役立ちますが、本番規模、災害復旧、すべてのテナント要件を満たした証明にはなりません。

有料プランの予算も同じワークロードで比較する必要があります。Weaviate Flex は現在月額 45 米ドルからで、埋め込みなどのサービスには別途従量課金があります。Qdrant Standard はリソース使用量に基づく課金で、バックアップストレージや有料推論 token が請求に含まれる場合もあります。同じベクトル次元数、オブジェクト数、インデックス、レプリケーション要件、ピーク時のクエリ負荷、バックアップ要件で見積もりを取り、モデル費用も別に確認すべきです。開始価格と他社の未入力の計算ツールを比べるだけでは、どちらが安いかは分かりません。

セルフホスティングも、一律に無料の企業向けパッケージというわけではありません。Qdrant のメインリポジトリは Apache-2.0 を採用しています。Weaviate の現行リポジトリでは wl ディレクトリ外が BSD-3-Clause、wl 内のコードには別途エンタープライズライセンスが必要です。オープンソースコンポーネントのデプロイ権、企業向け機能の利用権、クラウドサービスの保証内容は別々に確認する必要があります。保守面では、Weaviate の公式ドキュメントは既に GraphQL API を非推奨とし、2027 年 5 月 1 日に Weaviate Cloud で停止する予定です。新規連携では現在サポートされている方法を使い、古いチュートリアルをそのまま使って移行作業を予算から漏らさないようにすべきです。

最後に、型番、自然言語、答えがない場合、テナントをまたいで同じ語が現れる場合を含む十数問のテスト質問を、まず両方に渡します。候補の取得元、最終的な関連文書、テナント範囲、クエリコスト、運用保守作業を記録し、継続して保守できる構成を選びます。Weaviate は、組み込みのキーワードとベクトルの融合、テナント単位のデータ整理という方向を検証する価値があります。Qdrant は、複数の検索経路と明示的な候補パイプラインという方向を検証する価値があります。どちらも企業ナレッジベースの候補になり得ます。購入を決めるべきなのは自社の検索検証結果と運用責任であり、ベンダーのランキングにある速度の順位ではありません。

内容説明:本記事は公開情報をもとに整理した、ツール選定の参考情報です。機能、料金、関連ポリシーは随時変更される場合があります。最新の公式情報をご確認ください。

元の出典:docs.weaviate.io