· AI Engineer World's Fair 2026
Создание компании
Building: Gergely Orosz × Simon Eskildsen
Векторный поиск можно строить поверх S3 и дешёвых CPU: проектировать нужно от стоимости и задержки операций, а не от бенчмарков.
- Прикидка на салфетке вместо бенчмарков — спикер сверяет результаты чужих тестов с расчётами по пропускной способности DRAM, SSD и S3. Если расчёт даёт 10 миллисекунд, а бенчмарк 10 секунд, ошибка либо в тесте, либо в понимании системы.
- Индекс в S3 — кластеры векторов лежат файлами в S3, отдельный файл хранит центроиды, перед S3 стоит nginx-кэш. По словам спикера, P99 чтения объекта около 200 миллисекунд, поэтому число последовательных обращений к S3 надо минимизировать.
- Цена — по словам спикера, ранняя версия давала миллион векторов за доллар при прежнем минимуме около 100 долларов, а счёт Cursor упал на 95%.
- Запись сразу в объекты — подтверждённые записи попадают в S3, поэтому остановка всех VM не теряет данные.
Кому полезно: тем, кто строит поиск по большим векторным коллекциям и упирается в стоимость памяти и запросов к хранилищу.
Статья по теме
Главы
Ещё доклады: Gergely Orosz
Страница спикера →Вкус и мастерство
AI Engineer Europe 2026
Разработка ПО + ИИ = ?
AI Engineer Europe 2026
Похожие доклады
Бенчмаркинг семантического поиска по коду в Claude Code
AI Engineer Europe 2026
Близко по содержанию
Подключаем ИИ к миллиардам юридических документов
Jacob Lauritzen, Simon Eskildsen
Близко по содержанию
За пределами RAG: реляционный context engine сокращает расход токенов
AI Engineer World's Fair 2026
Близко по содержанию

