AI Perks ให้การเข้าถึงส่วนลด เครดิต และดีลพิเศษสำหรับเครื่องมือ AI บริการคลาวด์ และ API เพื่อช่วยสตาร์ทอัพและนักพัฒนาประหยัดเงิน
เครดิตฐานข้อมูลเวกเตอร์ฟรีมีมูลค่าเท่าใด
เครดิตฐานข้อมูลเวกเตอร์ฟรีมีตั้งแต่การทดลองประเมินมูลค่า 300 ดอลลาร์ ไปจนถึงเงินช่วยเหลือ 100,000 ดอลลาร์ และเนื่องจากหมวดหมู่นี้มีการแข่งขันสูงจากคู่แข่งที่มีเงินทุนหนาแน่น ข้อเสนอจึงใจกว้างเป็นพิเศษเมื่อเทียบกับต้นทุนโครงสร้างพื้นฐานจริง
การค้นหาเวกเตอร์เป็นหนึ่งในไม่กี่ค่าใช้จ่ายโครงสร้างพื้นฐาน AI ที่สตาร์ทอัพสามารถครอบคลุมได้เกือบทั้งหมดด้วยเครดิตในปีแรก มีผู้จำหน่ายจำนวนมากที่แข่งขันกันเพื่อแย่งชิงลูกค้ากลุ่มเดียวกัน ซึ่งตลาดไม่สามารถรองรับได้ และการแข่งขันนั้นแสดงออกมาในรูปของเครดิตฟรี
AI Perks ติดตามเงื่อนไขปัจจุบันในหมวดหมู่นี้ ควบคู่ไปกับ เครดิตมูลค่า 7.7 ล้านดอลลาร์ จาก 194 บริษัท
| ผู้ให้บริการ | เครดิตฟรี | เครดิตซื้ออะไรได้บ้าง |
|---|---|---|
| Weaviate | สูงสุด 100,000 ดอลลาร์ | การค้นหาเวกเตอร์และการค้นหาแบบผสมผสานบน Weaviate Cloud |
| Neon | สูงสุด 100,000 ดอลลาร์ | Serverless Postgres, การค้นหาเวกเตอร์ผ่าน pgvector |
| MongoDB Atlas | สูงสุด 25,000 ดอลลาร์ | ที่เก็บเอกสาร พร้อมการค้นหาเวกเตอร์และข้อความเต็ม |
| Redis Cloud | สูงสุด 10,000 ดอลลาร์ | ที่เก็บข้อมูลในหน่วยความจำพร้อมการค้นหาเวกเตอร์ในตัว |
| Elastic Cloud | สูงสุด 5,000 ดอลลาร์ | การค้นหา, การวิเคราะห์บันทึก และการดึงข้อมูลเวกเตอร์ |
| Qdrant Cloud | 2,000 ดอลลาร์ | การโฮสต์ที่มีการจัดการสำหรับเอนจิ้น Qdrant แบบโอเพนซอร์ส |
| Pinecone | 300 ดอลลาร์ | การทดลองประเมินผลฟีเจอร์เต็มรูปแบบ |
| Supabase | 300 ดอลลาร์ | Postgres พร้อม pgvector, พร้อมการยืนยันตัวตนและที่เก็บข้อมูล |
ยอดรวมหัวข้อในหมวดหมู่: มากกว่า 240,000 ดอลลาร์
ตัวเลขเหล่านั้นไม่สามารถเปรียบเทียบกันได้โดยตรง เงินช่วยเหลือจำนวนมากจากผู้ให้บริการที่มีราคาตามรายการสูง อาจซื้อเวกเตอร์ที่เก็บไว้ได้น้อยกว่าเงินช่วยเหลือที่เล็กกว่าจากที่อื่นที่ถูกกว่า อ่านตัวเลขเป็นระยะเวลาการใช้งาน ไม่ใช่เป็นมูลค่า
AI เครดิตชั้นนำสำหรับสตาร์ทอัพ
สมัครโดยตรงผ่านโปรแกรมที่ผ่านการตรวจสอบแล้วเหล่านี้
Claude (via program) $100,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
OpenAI (via program) $2,500
สำหรับสตาร์ทอัพระยะเริ่มต้น
Anthropic $20,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
AWS $300,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Google Cloud $350,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Lovable Up to $150
สำหรับสตาร์ทอัพระยะเริ่มต้น
ฐานข้อมูลเวกเตอร์มีไว้เพื่ออะไรกันแน่
ฐานข้อมูลเวกเตอร์จัดเก็บการฝัง (embeddings) และตอบคำถามหนึ่งข้อได้อย่างรวดเร็ว: อะไรในคลังข้อมูลของฉันที่คล้ายกับสิ่งนี้มากที่สุด? นั่นคือส่วนการดึงข้อมูล (retrieval) ของระบบ RAG ทุกระบบ ฟีเจอร์การค้นหาเชิงความหมาย และเอนจิ้นแนะนำ
แบบจำลองภาษาไม่รู้อะไรเกี่ยวกับเอกสาร ใบตั๋ว หรือแคตตาล็อกผลิตภัณฑ์ของคุณเลย การดึงข้อมูลเป็นกลไกที่นำข้อมูลของคุณไปไว้ข้างหน้าแบบจำลอง ณ เวลาที่สอบถาม และฐานข้อมูลเวกเตอร์คือที่ที่การดึงข้อมูลนั้นเกิดขึ้น
สามปริมาณงานเป็นส่วนใหญ่ของการใช้งานจริง:
การสร้างเสริมการดึงข้อมูล (Retrieval Augmented Generation) คุณแบ่งเอกสารออกเป็นส่วนๆ ฝังมัน และ ณ เวลาที่สอบถาม ให้ดึงส่วนที่เกี่ยวข้องกับคำถามของผู้ใช้มากที่สุดออกมา เพื่อให้แบบจำลองตอบจากข้อมูลของคุณแทนที่จะเดา
การค้นหาเชิงความหมายและการค้นหาแบบผสมผสาน (Semantic and hybrid search) ผู้ใช้ค้นหาตามความหมายแทนที่จะเป็นคำหลักที่แน่นอน การค้นหาแบบผสมผสานจะรวมสิ่งนั้นเข้ากับการจับคู่คำหลักแบบดั้งเดิม ซึ่งมีความสำคัญมากกว่าที่ทีมส่วนใหญ่คาดไว้ เมื่อผู้ใช้จริงพิมพ์รหัสผลิตภัณฑ์และคำทับศัพท์
การขจัดข้อมูลซ้ำซ้อน การจัดกลุ่ม และการแนะนำ (Deduplication, clustering and recommendations) การค้นหาความคล้ายคลึงกันเป็นพื้นฐานเดียวกัน ไม่ว่าคุณจะจับคู่คำถามกับเอกสาร หรือผู้ใช้กับผลิตภัณฑ์
ความจริงที่อึดอัดคือ ไม่มีสิ่งเหล่านี้ใดที่ต้องใช้ฐานข้อมูลเวกเตอร์โดยเฉพาะในระดับเล็กๆ เวกเตอร์ไม่กี่พันตัวสามารถเก็บไว้ในหน่วยความจำได้ และการค้นหาความคล้ายคลึงกันแบบ brute force ก็เร็วพอ ฐานข้อมูลจะแสดงคุณค่าเมื่อเกินจุดนั้นไปแล้ว
ต้นทุนฐานข้อมูลเวกเตอร์มีพฤติกรรมอย่างไรเมื่อขยายขนาด
การตั้งราคาฐานข้อมูลเวกเตอร์ขับเคลื่อนโดยปริมาณดัชนีที่อยู่ในหน่วยความจำเป็นหลัก ไม่ใช่โดยจำนวนการสอบถามที่คุณเรียกใช้ ซึ่งทำให้ค่าใช้จ่ายเป็นค่าใช้จ่ายรายเดือนคงที่ แทนที่จะเป็นเส้นโค้งการใช้งานที่ตามปริมาณการเข้าชมของคุณ
นี่คือความแตกต่างที่ใหญ่ที่สุดจากค่าใช้จ่าย API ของแบบจำลอง ซึ่งสัปดาห์ที่เงียบสงบจะไม่มีค่าใช้จ่ายใดๆ ดัชนีเวกเตอร์มีค่าใช้จ่ายเท่าเดิมในสัปดาห์ที่เงียบสงบ
สามตัวแปรขับเคลื่อนค่าใช้จ่ายคงที่:
เวกเตอร์คูณด้วยมิติ นี่คือขนาดดิบของดัชนี เวกเตอร์สิบล้านตัวที่มี 1536 มิติ จะใช้พื้นที่ประมาณสี่เท่าของคลังข้อมูลเดียวกันที่มี 384 มิติ
สำเนาและความพร้อมใช้งาน การผลิตมักหมายถึงสำเนาอย่างน้อยสองชุด ซึ่งจะเพิ่มปริมาณที่อยู่ในหน่วยความจำเป็นสองเท่า ก่อนที่คุณจะให้บริการการสอบถามเพิ่มเติมแม้แต่ครั้งเดียว
ประเภทดัชนี ดัชนีโดยประมาณจะแลกเปลี่ยนการเรียกคืน (recall) กับหน่วยความจำและความเร็ว ค่าเริ่มต้นมักจะไม่ใช่การกำหนดค่าที่ถูกที่สุดสำหรับเป้าหมายการเรียกคืนของคุณ
กับดักที่จับทีมคือมิติของการฝัง การเลือกรุ่นมิติ 3072 แทนที่จะเป็นรุ่นมิติ 768 จะเพิ่มค่าใช้จ่ายในการจัดเก็บของคุณเป็นสี่เท่าอย่างถาวร เพื่อการปรับปรุงการเรียกคืนที่มักจะเล็กน้อยในคลังข้อมูลเฉพาะทาง หลายรุ่นการฝังที่ทันสมัยรองรับการตัดให้มีมิติต่ำลงพร้อมกับการสูญเสียคุณภาพเล็กน้อย และการทดสอบสิ่งนั้นก่อนที่คุณจะโหลดเวกเตอร์สิบล้านตัวเป็นชั่วโมงที่มีผลกระทบสูงสุดในโครงการทั้งหมด
AI เครดิตชั้นนำสำหรับสตาร์ทอัพ
สมัครโดยตรงผ่านโปรแกรมที่ผ่านการตรวจสอบแล้วเหล่านี้
Claude (via program) $100,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
OpenAI (via program) $2,500
สำหรับสตาร์ทอัพระยะเริ่มต้น
Anthropic $20,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
AWS $300,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Google Cloud $350,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Lovable Up to $150
สำหรับสตาร์ทอัพระยะเริ่มต้น
วิธีเลือกระหว่าง Pinecone, Weaviate, Qdrant และ pgvector
ภายใต้เวกเตอร์ประมาณหนึ่งล้านตัวและ Postgres ที่ใช้งานอยู่แล้ว pgvector มักจะเป็นคำตอบที่ถูกต้อง ฐานข้อมูลเวกเตอร์เฉพาะทางจะแสดงคุณค่าเกินกว่าระดับนั้น หรือเร็วกว่านั้นหากคุณต้องการการกรองเมตาดาตาที่จริงจัง หรือการค้นหาแบบผสมผสาน
คู่มือการตัดสินใจสั้นๆ:
ใช้งาน Postgres อยู่แล้ว, ภายใต้เวกเตอร์ประมาณหนึ่งล้านตัว ใช้ pgvector บน Neon หรือ Supabase ฐานข้อมูลเดียว, เรื่องการสำรองข้อมูลเดียว, และคุณสามารถรวมผลลัพธ์เวกเตอร์กับข้อมูลเชิงสัมพันธ์ได้ในควิรี่เดียว จุดสุดท้ายนั้นมีค่ามากกว่าการวัดประสิทธิภาพส่วนใหญ่
การกรองเมตาดาตาหนัก หากควิรี่ส่วนใหญ่คือ "คล้ายกับสิ่งนี้ แต่เฉพาะจากผู้เช่ารายนี้, ในภาษานี้, อัปเดตปีนี้" เอนจิ้นที่สร้างขึ้นเฉพาะ เช่น Qdrant และ Weaviate จะจัดการการค้นหาแบบกรองได้ดีกว่าดัชนีที่เพิ่มเข้ามา การกรองแบบไม่ตั้งใจจะทำลายการเรียกคืน และนี่คือจุดที่ฐานข้อมูลทั่วไปมีปัญหาเป็นอันดับแรก
การค้นหาแบบผสมผสานเป็นหัวใจของผลิตภัณฑ์ Weaviate, Elastic และ MongoDB Atlas รวมการดึงข้อมูลคำหลักและการดึงข้อมูลเวกเตอร์เข้าด้วยกันโดยธรรมชาติ ซึ่งช่วยให้คุณไม่ต้องสร้างและปรับแต่งชั้นการหลอมรวมของคุณเอง
คุณจ่ายสำหรับ Redis หรือ MongoDB อยู่แล้ว ทั้งสองตอนนี้มีการค้นหาเวกเตอร์ การเพิ่มเวกเตอร์ไปยังโครงสร้างพื้นฐานที่คุณใช้งานอยู่แล้วและมีบุคลากรอยู่แล้วนั้นถูกกว่าการเพิ่มบริการที่เก้าให้กับสถาปัตยกรรมของคุณ
คุณต้องการพื้นผิวการดำเนินงานเป็นศูนย์ Pinecone เป็นตัวเลือกที่มีการจัดการมากที่สุดในหมวดหมู่นี้ ซึ่งเป็นเหตุผลว่าทำไมข้อเสนอฟรีจึงเป็นการทดลองประเมินผลระยะสั้น แทนที่จะเป็นเงินช่วยเหลือจำนวนมาก
AI Perks แสดงรายการว่าข้อเสนอใดมีโปรแกรมที่เปิดอยู่และแต่ละข้อกำหนดมีอะไรบ้าง
ลำดับการสมัคร
สมัครสำหรับฐานข้อมูลที่คุณใช้งานอยู่แล้วก่อน, จากนั้นจึงสมัครเงินช่วยเหลือหมวดหมู่ขนาดใหญ่, และสุดท้ายคือการทดลองประเมินผลระยะสั้น, เนื่องจากช่วงเวลาทดลองจะเริ่มนับตั้งแต่วินาทีที่คุณยอมรับ ไม่ว่าคุณจะพร้อมใช้งานหรือไม่ก็ตาม
อันดับแรก, ฐานข้อมูลที่คุณใช้งานอยู่แล้ว หากคุณใช้ Supabase, Neon, MongoDB หรือ Redis, เครดิตจะถูกนำไปหักจากบิลที่คุณจ่ายอยู่แล้วและไม่ต้องย้ายข้อมูล นี่คือเงินฟรีที่ไม่มีต้นทุนทางสถาปัตยกรรม เริ่มต้นที่ getaiperks.com และกรองตามหมวดหมู่ฐานข้อมูล
อันดับสอง, เงินช่วยเหลือหมวดหมู่ขนาดใหญ่ Weaviate และ Neon อยู่ในระดับสูงสุด การสมัครเหล่านี้มีค่า แม้ว่าคุณจะยังไม่ได้ตัดสินใจก็ตาม เนื่องจากอัตราการอนุมัติแตกต่างกันไป และการมีเงินช่วยเหลือที่ได้รับการอนุมัติไว้ในมือเป็นปัจจัยสำคัญในการตัดสินใจด้านสถาปัตยกรรม
อันดับสาม, โครงสร้างพื้นฐานที่เกี่ยวข้อง MongoDB Atlas, Redis Cloud และ Elastic Cloud คิดค่าบริการแยกต่างหากจากผู้ให้บริการคลาวด์ของคุณ ซึ่งหมายความว่าเครดิตเหล่านี้จะซ้อนกับเงินช่วยเหลือจาก AWS, Google Cloud หรือ Azure แทนที่จะทับซ้อนกัน
สุดท้าย, การทดลองประเมินผล $300 ของ Pinecone ถูกออกแบบมาสำหรับการวัดประสิทธิภาพที่เหมาะสมกับข้อมูลของคุณเอง ไม่ใช่สำหรับการใช้งานจริง เรียกใช้ในสัปดาห์ที่คุณวางแผนจะทำการวัดประสิทธิภาพนั้นจริงๆ
คุณสมบัติขึ้นอยู่กับระยะและเงินทุน และแตกต่างกันไปสำหรับแต่ละโปรแกรมในตารางด้านบน ข้อกำหนดปัจจุบันสำหรับแต่ละโปรแกรมแสดงอยู่ที่ getaiperks.com
AI เครดิตชั้นนำสำหรับสตาร์ทอัพ
สมัครโดยตรงผ่านโปรแกรมที่ผ่านการตรวจสอบแล้วเหล่านี้
Claude (via program) $100,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
OpenAI (via program) $2,500
สำหรับสตาร์ทอัพระยะเริ่มต้น
Anthropic $20,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
AWS $300,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Google Cloud $350,000
สำหรับสตาร์ทอัพระยะเริ่มต้น
Lovable Up to $150
สำหรับสตาร์ทอัพระยะเริ่มต้น
สิ่งที่ผู้ก่อตั้งทำผิดเกี่ยวกับเครดิตฐานข้อมูลเวกเตอร์
ข้อผิดพลาดที่มีค่าใช้จ่ายสูงสุดคือการเลือกฐานข้อมูลเวกเตอร์ก่อน แล้วจึงเลือกรุ่นการฝังทีหลัง รุ่นการฝังจะเป็นตัวกำหนดขนาดดัชนีของคุณ เพดานการเรียกคืน และต้นทุนการย้ายข้อมูลของคุณ และฐานข้อมูลเป็นส่วนที่ง่ายกว่าในการเปลี่ยนแปลง
รูปแบบอื่นๆ สี่แบบที่ควรหลีกเลี่ยง:
ปฏิบัติต่อเครดิตเป็นเหตุผลในการเลือก เงินช่วยเหลือ 100,000 ดอลลาร์ ที่ทำให้คุณต้องใช้โครงสร้างพื้นฐานที่ไม่เหมาะสมกับปริมาณงานของคุณ จะมีค่าใช้จ่ายมากกว่าในเวลาที่ต้องใช้ในการพัฒนา มากกว่าที่ประหยัดได้ในค่าโฮสติ้ง เลือกตามความเหมาะสม แล้วจึงจัดหาเงินทุนสำหรับการเลือกนั้น
ลืมค่าใช้จ่ายในการฝัง เครดิตฐานข้อมูลเวกเตอร์ครอบคลุมการจัดเก็บและค้นหา พวกเขาไม่ครอบคลุมการสร้างการฝัง ซึ่งเป็นค่าใช้จ่าย API ของแบบจำลอง และต้องการเครดิตของตนเอง
ประเมินการฝังใหม่ต่ำไป การย้ายระหว่างฐานข้อมูลเวกเตอร์นั้นง่าย การย้ายระหว่างรุ่นการฝังหมายถึงการสร้างเวกเตอร์ทั้งหมดในคลังข้อมูลของคุณใหม่ ซึ่งเป็นตัวล็อกอินที่แท้จริง เลือกรุ่นการฝังอย่างระมัดระวัง และปฏิบัติต่อฐานข้อมูลเป็นการตัดสินใจที่ย้อนกลับได้
เริ่มนับเวลาถอยหลังก่อนที่จะมีปริมาณงาน เครดิตที่มีกำหนดเวลาซึ่งได้รับก่อนที่คุณจะมีข้อมูลให้จัดทำดัชนี จะสูญเสียมูลค่าส่วนใหญ่ไปกับดัชนีที่ว่างเปล่า
ผู้ก่อตั้งที่จัดหาเงินทุนแบบเต็มสแต็กแทนที่จะเป็นชั้นเดียว จะไปได้ไกลที่สุด AI Perks ติดตามเครดิตมูลค่า 7.7 ล้านดอลลาร์ จาก 194 บริษัท เพื่อให้ฐานข้อมูล, การประมวลผล และการเรียกใช้แบบจำลอง สามารถครอบคลุมได้ทั้งหมดในครั้งเดียว
คำถามที่พบบ่อย
ฐานข้อมูลเวกเตอร์ใดที่ให้เครดิตฟรีมากที่สุดแก่สตาร์ทอัพ?
Weaviate เสนอเงินช่วยเหลือฐานข้อมูลเวกเตอร์เฉพาะทางที่ใหญ่ที่สุดในหมวดหมู่นี้ที่สูงถึง 100,000 ดอลลาร์ โดย Neon ให้ตัวเลขเดียวกันสำหรับ Postgres และ pgvector MongoDB Atlas ตามมาด้วยสูงสุด 25,000 ดอลลาร์ การเลือกที่ถูกต้องขึ้นอยู่กับปริมาณงานของคุณมากกว่าตัวเลขหัวข้อ ติดตามเงื่อนไขปัจจุบันได้ที่ getaiperks.com
ฉันต้องการฐานข้อมูลเวกเตอร์ หรือ pgvector ก็เพียงพอแล้วหรือไม่?
สำหรับสตาร์ทอัพส่วนใหญ่ที่มีเวกเตอร์น้อยกว่าประมาณหนึ่งล้านตัว pgvector ภายใน Postgres ที่มีอยู่ของคุณก็เพียงพอและง่ายกว่ามาก คุณจะได้เรื่องการสำรองข้อมูลหนึ่งเรื่องแทนที่จะเป็นสองเรื่อง และสามารถรวมผลลัพธ์เวกเตอร์กับข้อมูลเชิงสัมพันธ์ได้โดยตรง เอนจิ้นเฉพาะทางจะชนะในการกรองเมตาดาตาหนัก, การค้นหาแบบผสมผสาน และการขยายขนาดเกินจุดนั้น
ฉันสามารถรวมเครดิตฐานข้อมูลเวกเตอร์กับเครดิต OpenAI หรือ Anthropic ได้หรือไม่?
ได้ และคุณควรทำ พวกเขาครอบคลุมค่าใช้จ่ายที่แตกต่างกัน เครดิตฐานข้อมูลเวกเตอร์ใช้สำหรับการจัดเก็บและค้นหาการฝัง ในขณะที่เครดิตแบบจำลองใช้สำหรับการสร้างการฝังเหล่านั้น และสำหรับการตอบสนองที่สร้างขึ้นจากการดึงข้อมูล การถือครองทั้งสองอย่างคือวิธีที่ทีมจะครอบคลุมทั้งปีได้ที่ getaiperks.com
ฐานข้อมูลเวกเตอร์มีค่าใช้จ่ายจริงเท่าใดหากไม่มีเครดิต?
ดัชนีขนาดเล็กมักมีค่าใช้จ่ายหลายสิบดอลลาร์ต่อเดือน เพิ่มขึ้นเป็นหลายร้อยหรือหลายพันต้นๆ เมื่อคุณมีเวกเตอร์หลายสิบล้านตัวพร้อมสำเนาเพื่อความพร้อมใช้งาน ราคาตามรายการจะแตกต่างกันอย่างมากในแต่ละผู้ให้บริการและมีการเปลี่ยนแปลงบ่อยครั้ง ดังนั้น ให้วัดประสิทธิภาพกับคลังข้อมูลของคุณเอง แทนที่จะเชื่อการเปรียบเทียบหน้าการกำหนดราคา
เครดิตฐานข้อมูลเวกเตอร์ครอบคลุมค่าใช้จ่ายในการฝังหรือไม่?
ไม่ การสร้างการฝังเป็นการเรียกใช้ API ของแบบจำลองที่คิดค่าบริการโดยผู้ให้บริการแบบจำลองของคุณ ไม่ใช่โดยฐานข้อมูลเวกเตอร์ ทีมที่มีเฉพาะเครดิตฐานข้อมูลยังคงต้องจ่ายเพื่อฝังคลังข้อมูลของตน และการฝังใหม่หลังจากการเปลี่ยนแปลงแบบจำลองมักจะเป็นค่าใช้จ่ายที่สูงกว่า จัดหาเงินทุนทั้งสองชั้นที่ getaiperks.com
การย้ายระหว่างฐานข้อมูลเวกเตอร์ในภายหลังนั้นยากหรือไม่?
การย้ายฐานข้อมูลนั้นตรงไปตรงมา เนื่องจากคุณกำลังย้ายเวกเตอร์ที่คุณมีอยู่แล้ว การย้ายที่ยากคือการเปลี่ยนรุ่นการฝัง ซึ่งจะทำให้เวกเตอร์ที่เก็บไว้ทั้งหมดเป็นโมฆะและต้องสร้างคลังข้อมูลทั้งหมดใหม่ เลือกรุ่นการฝังอย่างระมัดระวัง และปฏิบัติต่อฐานข้อมูลเป็นการตัดสินใจที่ย้อนกลับได้
สมัครสมาชิกที่ getaiperks.com →
เก็บเวกเตอร์ไว้ ให้คนอื่นจ่ายค่าดัชนี
