qdrant
Qdrant - Base de datos de vectores y motor de búsqueda de vectores de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
Del README
docker run -p 6333:6333 qdrant/qdrant
- Quick Start Guide
- Detailed Documentation
- Take the Qdrant Essentials course
- Follow this tutorial to create a semantic search engine with Qdrant
Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasQdrant - Base de datos de vectores y motor de búsqueda de vectores de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
qdrant tiene 33.4k estrellas en GitHub. Se ha bifurcado 2.5k veces. qdrant está escrito principalmente en Rust. Se desarrolla activamente desde 2020. qdrant está disponible bajo la licencia Apache-2.0. Sus temas principales son: ai-search, ai-search-engine, embeddings-similarity, hnsw.
Read the full guide¿Qué es qdrant?
Qdrant - Base de datos de vectores y motor de búsqueda de vectores de alto rendimiento y a gran escala para la próxima generación de IA. También disponible en la nube https://cloud.qdrant.io/
¿qdrant es de código abierto?
qdrant es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿qdrant es gratis?
Sí. qdrant es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está qdrant?
qdrant está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito qdrant?
qdrant está escrito principalmente en Rust.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/qdrant-qdrant.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.