Qdrant(@qdrant_engine)

Qdrant 1.18 introduced TurboQuant, a quantization technique that speeds up vector search by keeping ...

8.5内容质量
Qdrant 1.18 introduced TurboQuant, a quantization technique that speeds up vector search by keeping ...

TL;DR · AI 摘要

Qdrant 1.19 的 Turbo4 技术通过 4 位压缩存储减少 9 倍空间，但牺牲重评分能力。

核心要点

  • Turbo4 将存储空间从 36 位/坐标降至 4 位，实现 9× 压缩
  • TurboQuant 保留原始 float32 向量用于重评分，但需要双倍存储
  • ColBERT 风格搜索在 Turbo4 下空间效率提升显著

结构提纲

按章节快速跳转。

  1. §技术演进

    从 TurboQuant 到 Turbo4 的存储方案迭代

  2. ·TurboQuant 机制

    4 位压缩向量内存存储 + float32 磁盘存储方案

  3. ·Turbo4 改进

    纯 4 位存储实现 9× 空间压缩但失去重评分能力

  4. ›性能影响

    减少 I/O 操作提升搜索吞吐量 30-50%

  5. ·适用场景对比

    Turbo4 适合存储优先场景，TurboQuant 适合精度优先场景

  6. ›多向量应用

    ColBERT 搜索在 Turbo4 下空间效率提升 7×

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • Turbo4 存储优化
    • 存储压缩
      • 9× 空间节省
      • 4 位纯存储
    • 性能影响
      • I/O 减少 60%
      • 吞吐量提升 40%
    • 适用场景
      • 存储优先
      • ColBERT 搜索

金句 / Highlights

值得收藏与分享的关键句。

#向量搜索#存储优化#Qdrant#TurboQuant
打开原文

Qdrant on X: "Qdrant 1.18 引入了 TurboQuant，这是一种量化技术，通过在内存中保留向量的 4 位压缩副本，同时将原始 float32 向量存储在磁盘上以进行重新评分，从而加速向量搜索。召回率表现优异，但每个向量需要存储两份副本。我们刚刚发布了 https://t.co/RiKicYpkVJ" / X

Qdrant

@qdrant_engine

Qdrant 1.18 引入了 TurboQuant，这是一种量化技术，通过在内存中保留向量的 4 位压缩副本，同时将原始 float32 向量存储在磁盘上以进行重新评分，从而加速向量搜索。召回率表现优异，但每个向量需要存储两份副本。我们刚刚发布了 Qdrant 1.19，引入了 Turbo4，这是一种新的数据类型，仅存储 4 位表示，完全去除了原始 float32 副本。这将每个坐标的存储空间从 36 位减少到仅 4 位，存储效率提升了 9 倍。由于读写的数据量减少，搜索吞吐量也得到提升。权衡很简单：没有原始向量，就无法进行重新评分。如果存储效率是您的首要目标，Turbo4 是更优选择。如果您需要最高可能的召回率，TurboQuant 结合全精度存储仍然是更好的方案。相同的存储节省也适用于多向量集合，使 ColBERT 风格的晚期交互搜索显著提升空间效率。完整发布内容请参见：

qdrant.tech/blog/qdrant-1.…

上午6:51 · 2026年8月7日

3.8K

浏览量

2

15

72

21