Weaviate

一句話結論

Weaviate 是開源向量資料庫裡商業化最完整的一家，免費層 10 萬筆物件足夠做原型；但真的上生產前，先誠實回答一句：你確定需要專用的向量資料庫嗎？

它是什麼

Weaviate 是開源的向量資料庫，用來存放與檢索向量嵌入（embeddings），是 RAG 應用的常見基礎元件。除了開源自架版本，它提供 Weaviate Cloud 代管服務，並把嵌入生成（embeddings）與 Query Agent 這類 AI 服務包進去，省掉自己串模型與管運維的工。

價格實況（2026-08-27 官方定價頁）

• Free：0 美元。「永久免費，每位使用者 1 個叢集」。10 萬筆物件、1 GB 記憶體、10 GB 磁碟，1 個 collection 最多 3 個租戶，基本支援。
• Flex：每月 45 美元起。用多少付多少、不綁約，共用雲端叢集上物件數無上限，高可用叢集 99.5% 正常運行時間，標準支援（重大問題次一工作日回覆）。
• Premium：每月 400 美元起。預付合約、成本可預測，可選共用或專用部署，最高 99.95% 正常運行時間，AWS／GCP／Azure 全球覆蓋，企業支援 1 小時回應。

另外是用量計費的 AI 服務：Embeddings 每 100 萬 token 從 0.025 美元起（依模型而異）；Query Agent 免費層含每月 1,000 次請求，超過另計。

開源版可自架，Cloud 版等於在開源之上包了嵌入、Query Agent 與資料匯入等能力，省去維運。

優點

• 開源可自架，資料不必出公司，這對受監理產業是決定性的。
• 免費層 10 萬筆物件，做 POC 與小型內部工具綽綽有餘。
• 內建嵌入服務，不必自己串 OpenAI 或其他模型再處理批次，開發速度快很多。
• 混合檢索（向量＋關鍵字）成熟，實務上純向量檢索的效果常常不如混合，這點很重要。

缺點

• Premium 每月 400 美元起跳，對小團隊是明顯的斷層。
• 自架的維運成本被低估。向量資料庫的記憶體吃很兇，調校、備份、擴容都要人管。
• 用量計費項目多（叢集、嵌入、Query Agent），總成本要自己加總，不如單一月費直觀。
• 概念門檻不低，schema、向量化策略、chunking 都要懂，不是裝好就會用。

適合誰

適合已經確定要做 RAG 或語意搜尋、且資料量夠大的團隊，尤其是需要自架以符合法遵的企業。不適合還在驗證想法的階段——那個階段用 pgvector（Postgres 外掛）就夠了，別急著多養一套系統。

替代方案

• pgvector：Postgres 的向量外掛。資料量在百萬筆以下的話，效能通常夠用，而且不必多維護一套資料庫，這是我對多數團隊的第一建議。
• Qdrant：同樣開源、Rust 寫的，效能口碑好，雲端方案價格較親民。
• Pinecone：全代管、免維運，開發體驗最省事，但無法自架且成本較高。

台灣觀點

台灣企業做 RAG，我最常看到的過度設計就是一開始就上專用向量資料庫。你的內部文件可能只有幾千份，切成幾萬個 chunk，這個量級用 pgvector 完全跑得動，還省下一整套系統的維運。等到資料量真的到百萬級、或是需要複雜的多租戶隔離，再考慮 Weaviate 也不遲。

那什麼時候 Weaviate 值得？我認為有兩個明確訊號：一是資料量大到 Postgres 開始吃力，二是你需要自架而且有人能維運。第二點特別重要——金融、醫療、製造業的資料出不了公司，開源自架是少數選項，但你要有人懂記憶體調校與備份，否則系統掛了沒人救。

成本上，Flex 每月 45 美元起是相對友善的入門，加上嵌入的用量費用，中小型應用一個月抓在 100 美元內是合理的。真的到 Premium 那個級距，就該重新檢視架構是不是還有優化空間。

查證：Weaviate 官方定價頁，2026-08-27。方案與用量費率可能調整，以官網為準。