News

Qdrant 2.0: Die Neuerungen der Open-source Vector DB

25. April 2026
8 Minuten Lesezeit
Equipe Ailog

Qdrant bringt Version 2.0 mit Discovery API, sparse vectors und verdoppelter Leistung heraus. Überblick über die Neuerungen für Ihre RAG-Anwendungen.

Qdrant 2.0 : Eine bedeutende Version

Qdrant, die Open-Source vector Datenbank, macht einen großen Schritt mit ihrer Version 2.0. Dieses Release bringt seit langem erwartete Funktionen und signifikante Leistungsverbesserungen.

"Qdrant 2.0 repräsentiert 18 Monate intensiver Entwicklung", erklärt Andrey Vasnetsov, CEO von Qdrant. "Wir haben auf die Community gehört und die am meisten gefragten Funktionen geliefert."

Nouvelles fonctionnalites

Discovery API

Die Discovery API ermöglicht die interaktive Erkundung der Daten:

  • Navigation nach Ähnlichkeit
  • Erkundung von Clustern
  • Visualisierung von Nachbarschaften

Diese Funktion eröffnet neue Anwendungsfälle für die recherche semantique.

Sparse Vectors natifs

Qdrant unterstützt jetzt sparse vectors nativ :

TypeCas d'usagePerformance
DenseSemantische FragenAusgezeichnet
SparseTechnische BegriffeSehr gut
HybridAllgemeiner GebrauchOptimal

Die Kombination dense + sparse implementiert die recherche hybride direkt in der Datenbank.

Query Groups

Die Gruppierung von Ergebnissen nach Attributen:

  • Aggregation nach Kategorie
  • Intelligente Deduplication
  • Optimierte Pagination

Performances

Benchmarks

Qdrant 2.0 verdoppelt die Leistung in mehreren Metriken:

Metriquev1.xv2.0Amelioration
QPS450920+104%
Latence P5015ms8ms-47%
Latence P9965ms32ms-51%

Optimisations

Die Verbesserungen resultieren aus:

  • Neuer, optimierter HNSW-Index
  • Verbesserte Speicherkompression
  • Erhöhter Parallelismus

Deploiement

Docker

DEVELOPERbash
docker run -p 6333:6333 qdrant/qdrant:v2.0.0

Kubernetes

DEVELOPERbash
helm install qdrant qdrant/qdrant --version 2.0.0

Für einen vollständigen Leitfaden lesen Sie unser tutoriel Qdrant avance.

Migration depuis 1.x

Die Migration ist transparent :

  1. Backup der Collections
  2. Upgrade des Binaries
  3. Überprüfung der Funktionen

Die APIs bleiben kompatibel, kein Code-Änderung ist erforderlich.

Comparaison avec la concurrence

FeatureQdrant 2.0PineconeWeaviate
Open sourceOuiNonOui
Sparse vectorsNatifVia APIPlugin
Discovery APIOuiNonNon
Auto-scalingCloudOuiOui

Pricing Qdrant Cloud

PlanPrixInclus
FreeGratuit1GB, 1 collection
Pro$25/mois10GB, illimite
EnterpriseCustomSLA, support

Conclusion

Qdrant 2.0 bestätigt seine Position als führendes Open-Source-Projekt. Für Teams, die Kontrolle und Flexibilität priorisieren, ist es eine ausgezeichnete Wahl.

Erkunden Sie unseren Vergleich der bases vectorielles, um die beste Option zu wählen.

FAQ

Qdrant 2.0 bietet überlegene Leistung (920 QPS gegenüber 850 bei Pinecone), nativen Support für sparse vectors und die einmalige Discovery API zur Datenexploration. Vor allem ist Qdrant Open-Source und kann self-hosted betrieben werden für Datensouveränität, im Gegensatz zu Pinecone, das cloud-only ist.
Nein, die Migration ist transparent. Die APIs bleiben kompatibel, daher sind keine Code-Änderungen erforderlich. Es reicht, Backups der Collections zu erstellen, das Binary zu upgraden und die Funktionen zu überprüfen. Qdrant konvertiert die internen Datenformate automatisch.
Die Discovery API ermöglicht die interaktive Erkundung der Daten. Sie können nach Ähnlichkeit navigieren, Dokument-Cluster erkunden und semantische Nachbarschaften visualisieren. Das ist nützlich, um die Struktur Ihrer Daten zu verstehen, Anomalien zu identifizieren oder Explorationsoberflächen für Endnutzer zu bauen.
Qdrant Cloud ist bei vergleichbaren Workloads etwa 20% günstiger als Pinecone. Der Pro-Plan zu 25 Dollar pro Monat beinhaltet 10GB Speicher und unbegrenzte Anfragen. Der Hauptunterschied ist, dass Qdrant auch eine self-hosted Option für diejenigen bietet, die ihre Infrastruktur selbst verwalten möchten.
Ja, die nativen sparse vectors von Qdrant 2.0 ermöglichen es, hybrid search direkt in der Datenbank zu implementieren, ohne ein separates BM25-Index zu pflegen. Sie speichern Ihre dichten und sparse embeddings in derselben Collection und kombinieren die Scores bei der Suche. Das vereinfacht die Architektur und reduziert die Infrastrukturkosten.

Tags

Qdrantvector databaseopen sourceRAGinfrastructure

Verwandte Artikel

Ailog Assistant

Ici pour vous aider

Salut ! Pose-moi des questions sur Ailog et comment intégrer votre RAG dans vos projets !