Qdrant客户端v1.14.1版本发布:本地推理与搜索增强
Qdrant是一个高性能向量搜索引擎,其Python客户端库提供了与Qdrant向量数据库交互的便捷接口。最新发布的v1.14.1版本带来了一系列重要改进,特别是在本地推理支持和搜索功能增强方面。
核心特性解析
原生本地推理支持
本次更新最显著的改进是通过与Fastembed的无缝集成,为QdrantClient的所有方法提供了原生推理支持。这意味着开发者现在可以直接在客户端进行向量化操作,而无需依赖外部服务。具体体现在:
- 废弃了原有的
add和query方法,推荐使用新的本地推理方式 - 支持在客户端直接处理文本到向量的转换,简化了应用架构
- 提高了开发效率,特别是在原型开发和小规模应用场景中
搜索功能增强
v1.14.1版本对搜索相关功能进行了多项改进:
-
服务器端分数增强:新增了对搜索结果进行服务器端分数调整的能力,使开发者可以更灵活地控制排序逻辑。
-
新增推荐策略:引入了
sum_score推荐策略,为推荐系统提供了更多算法选择。 -
地理多边形支持修复:解决了之前版本中地理多边形查询可能存在的问题,使地理位置相关搜索更加可靠。
架构优化与兼容性改进
依赖项精简
- 移除了grpcio-tools依赖,现在仅需要protobuf
- 优化了依赖管理,减少了不必要的包引入
类型提示增强
对类型提示系统进行了全面改进,提供了更准确的代码提示和静态检查支持,有助于:
- 提高开发效率
- 减少运行时错误
- 改善IDE支持
严格模式扩展
扩展了严格模式设置选项,为开发者提供了更细粒度的控制能力,可以根据项目需求调整严格性级别。
重要修复与行为变更
-
删除操作优化:现在尝试删除不存在的点不会抛出错误(本地模式下),使错误处理更加友好。
-
条件查询简化:在本地模式下,现在允许直接传递单个条件而不需要包装成列表,简化了查询构造。
-
请求限制处理:改进了对"太多请求"异常的处理,提高了高负载情况下的稳定性。
-
偏移量传播修正:偏移量不再传播到预取操作中,解决了某些边界情况下的行为不一致问题。
向后兼容性说明
-
Pydantic版本支持变更:不再支持Pydantic 2.0到2.2.1之间的版本,现在支持的版本为v1.10.x和>=2.21。
-
API弃用:原有的
add和query方法已被标记为弃用,建议开发者迁移到新的本地推理API。
实际应用建议
对于正在使用或考虑采用Qdrant的开发者,建议:
-
评估本地推理功能:对于中小规模应用或需要快速原型开发的项目,新的本地推理支持可以显著简化架构。
-
测试新的推荐策略:
sum_score策略可能在某些推荐场景下表现更好,值得进行对比测试。 -
规划迁移路径:如果使用了将被弃用的API,应制定迁移计划以避免未来兼容性问题。
-
利用类型提示改进:更新代码以充分利用增强的类型提示,提高代码质量和可维护性。
这个版本标志着Qdrant客户端在易用性和功能性上的重要进步,特别是本地推理支持的引入,为开发者提供了更大的灵活性和更简单的开发体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00