Weaviate vs Qdrant: filtrar documentos de outros clientes também separa as estatísticas de ordenação?

A pesquisa híbrida empresarial exige verificar recuperação, âmbito do tenant e corpus de pontuação. Compare fusão, particionamento, limites do piloto gratuito e manutenção, sem tratar pesos iguais ou preços iniciais como configurações equivalentes.

Fonte: docs.weaviate.io
November 2, 2026
6 min

Uma base de conhecimento empresarial precisa de encontrar modelos como «erro AX-410» e compreender descrições como «o equipamento reinicia continuamente depois de arrancar». Weaviate e Qdrant permitem pesquisa híbrida. Vale a pena perguntar primeiro como uma solicitação do cliente A fica limitada aos seus documentos e de quem são os documentos usados nas estatísticas de ordenação por palavras-chave. Para configurar fusão entre BM25 integrado e pesquisa vetorial, valide primeiro o Weaviate. Se já tiver recuperação por várias vias e reranking e precisar de organizar explicitamente os candidatos, valide primeiro o Qdrant. Este artigo baseia-se em documentação oficial, sem testes de recall, latência ou isolamento de segurança.

O mesmo nome não implica a mesma escala de ajuste

A consulta hybrid do Weaviate combina pesquisa vetorial e palavras-chave BM25F, com método de fusão e pesos relativos configuráveis. Atualmente, relativeScoreFusion normaliza separadamente as pontuações das duas vias e combina-as; rankedFusion funde pelas posições na ordenação. Alpha controla a contribuição relativa de cada via. Valide modelos específicos de produto, descrições sinónimas e perguntas mistas separadamente, em vez de considerar um peso predefinido o melhor para todos os documentos empresariais.

A Query API do Qdrant permite usar vetores densos, vetores esparsos ou consultas a campos de texto com índice de texto completo como vias distintas de recuperação. Recolhe candidatos com prefetch e funde-os com RRF ou DBSF, permitindo também reranking em várias etapas. Assim, não se deve manter a antiga ideia de que «Qdrant só faz vetores e palavras-chave exigem sempre outro motor de pesquisa». A flexibilidade também exige definir quantos candidatos vêm de cada via e onde são fundidos, não apenas o número final de resultados.

As pontuações de fusão não são diretamente comparáveis entre plataformas. A combinação de pontuações normalizadas do Weaviate e a fusão por posições do Qdrant não têm a mesma escala; copiar os mesmos pesos numéricos não implica a mesma preferência. Fixe primeiro segmentação dos documentos, modelo de embeddings, número final de resultados e perguntas de teste, mantendo referências só por palavras-chave e só por vetores. Depois veja se a pesquisa híbrida corrige efetivamente omissões. Separe perguntas de ajuste das de aceitação final, evitando tratar um pequeno conjunto de exemplos repetidamente ajustados como melhoria geral.

Verificar separadamente resultados e estatísticas de ordenação

A multitenancy das coleções do Weaviate precisa de ser ativada explicitamente; não está ativa por predefinição. A documentação diz que cada tenant fica num shard separado e que os dados não são visíveis entre tenants. É uma organização clara para bases separadas por cliente, mas a aplicação continua a ter de mapear a identidade autenticada para o tenant correto e impedir que quem chama escolha livremente o nome de outro tenant. A partição da base não decide, pelo sistema de negócio, a que empresa pertence cada pessoa.

O Qdrant permite filtrar tenants por campos payload numa coleção e oferece opções como shards personalizados. Uma diferença fácil de esquecer: filtrar resultados por tenant não limita automaticamente a esse tenant as estatísticas de pontuação de palavras-chave. A documentação atual indica que BM25 e pesquisa esparsa com IDF modifier usam estatísticas do shard por predefinição. Desde v1.19.0, o parâmetro de pesquisa idf permite restringir o corpus estatístico. Esse filtro de corpus é independente do filtro de recuperação e não o substitui; caso contrário, pontos fora do corpus estatístico ainda podem surgir nos resultados.

Por exemplo, um código de produto pode ser raro nos documentos do cliente A e repetido frequentemente nos do B. Com shards partilhados e partição por payload, deve verificar-se se as frequências entre clientes alteram a ordenação de A. O parâmetro de âmbito estatístico do Qdrant permite ajustes, mas exige verificar versão instalada, índices e consultas. O desenho de shards por tenant do Weaviate deve ser validado juntamente com encaminhamento e distribuição de recursos. São verificações decorrentes de organizações diferentes, não uma afirmação de que uma apresenta fuga de dados por predefinição ou de que a outra já passou testes de segurança.

O piloto gratuito deve representar a estrutura real de tenants

O plano gratuito atual do Weaviate Cloud inclui uma coleção, até três tenants, 100.000 objetos, 1 GB de memória e 10 GB de disco. Se o piloto precisar de quatro tenants reais, não continua automaticamente gratuito apenas por ter poucos objetos. O Qdrant Cloud gratuito tem um único nó, 0,5 vCPU, 1 GB de memória e 4 GB de disco; destina-se oficialmente a testes e protótipos, sem alta disponibilidade. Ambos ajudam a validar consultas, mas não provam cobertura da escala de produção, recuperação de desastres ou de todos os tenants necessários.

O orçamento pago também deve usar a mesma carga. O Weaviate Flex começa atualmente em 45 dólares dos EUA por mês, com cobrança adicional por utilização para serviços como embeddings. O Qdrant Standard cobra pelos recursos utilizados, e a fatura pode incluir armazenamento de cópias de segurança e tokens de inferência pagos. Peça propostas com dimensões vetoriais, objetos, índices, replicação, picos de consultas e necessidades de cópia de segurança iguais, verificando separadamente os custos de modelos. Comparar um preço inicial com a calculadora vazia do outro fornecedor não determina o mais barato.

A hospedagem própria também não é um plano empresarial gratuito universal. O repositório principal do Qdrant usa Apache-2.0. No repositório atual do Weaviate, o código fora do diretório wl usa BSD-3-Clause; o código em wl exige licença empresarial separada. Direitos de implantação de componentes abertos, utilização de funcionalidades empresariais e compromissos de serviços cloud devem ser verificados separadamente. Quanto à manutenção, a documentação oficial do Weaviate já marca a GraphQL API como obsoleta e prevê desativá-la no Weaviate Cloud em 1 de maio de 2027. Novas integrações devem seguir vias atualmente suportadas, em vez de copiar tutoriais antigos e deixar a migração fora do orçamento.

Por fim, entregue a ambos entre onze e dezanove perguntas com modelos de produto, linguagem natural, ausência de resposta e termos iguais entre tenants. Registe origem dos candidatos, documentos relevantes finais, âmbito dos tenants, custo das consultas e trabalho operacional, e escolha uma configuração sustentável. O Weaviate merece validação para fusão integrada de palavras-chave e vetores e organização por tenant; o Qdrant, para recuperação por várias vias e uma cadeia explícita de candidatos. Ambos podem servir bases empresariais: a compra deve apoiar-se nas próprias evidências de recuperação e responsabilidades operacionais, não numa posição de velocidade num ranking do fornecedor.

Nota sobre o conteúdo:Este artigo foi elaborado com base em informações públicas e serve como referência para a escolha de ferramentas. Os recursos, os preços e as políticas relacionadas podem mudar a qualquer momento; consulte as informações oficiais mais recentes.

Fonte original:docs.weaviate.io