Escolha de banco de dados vetorial para RAG: Pinecone vs Weaviate vs Milvus

Um sistema RAG com apenas 2 milhões de documentos chegou a P99 de 800 ms. Esse é o retrato clássico de uma escolha errada de banco vetorial. A equipe montou o protótipo em duas semanas com Chroma, mas, depois que o volume passou de 1 milhão de documentos, a latência saiu de 20 ms e subiu sem parar. Migrar para outra solução custou mais três semanas: exportação de dados, reconstrução de vetores, configuração de índice. Cada etapa trouxe uma nova armadilha.

Escolher bem o banco de dados vetorial já resolve metade de um sistema RAG. A etapa de recuperação decide se a IA consegue encontrar a informação “certa”; só depois disso a etapa de geração consegue entregar uma resposta “boa”. Se a recuperação quebra, ajustar prompt ou trocar modelo vira desperdício.

Este artigo compara Pinecone, Weaviate e Milvus, três bancos vetoriais populares, em benchmark de desempenho, modelo de preço e cenário de uso. Ao final, você terá um framework claro de decisão, saberá qual opção combina com o seu caso e conseguirá estimar o custo real.

Capítulo 1: por que a escolha do banco vetorial importa tanto?

1.1 O papel do banco vetorial em um sistema RAG

Muita gente parte de uma ideia errada: banco de dados vetorial seria apenas um “depósito” de embeddings. Na prática, o valor principal não está em armazenar, mas em recuperar similaridade semântica com eficiência.

Bancos tradicionais são bons em correspondência exata, como WHERE id = 100. Só que um sistema RAG resolve outro tipo de problema: quando o usuário pergunta “como otimizar desempenho em código Python”, você precisa encontrar os documentos semanticamente mais relevantes, não apenas bater uma palavra-chave específica. O banco vetorial transforma texto, imagem e áudio em vetores de alta dimensão, por exemplo os 1536 vetores gerados pelo OpenAI text-embedding-3-small, e usa algoritmos ANN, ou approximate nearest neighbors, para encontrar rapidamente os candidatos “mais próximos” entre milhões ou até centenas de milhões de vetores.

O trade-off central dos algoritmos ANN é recall versus latência de consulta. Calcular exatamente a distância entre todos os vetores é caro demais: com 1 milhão de vetores de 1536 dimensões, uma varredura completa pode levar dezenas de segundos. Algoritmos ANN, como HNSW, IVF e PQ, reduzem a latência para milissegundos por meio de aproximação, ao custo de possivelmente deixar alguns resultados relevantes de fora. Cada banco vetorial faz escolhas diferentes na curva entre recall e latência, e isso afeta diretamente a precisão da recuperação em um sistema RAG.

1.2 O custo real de uma escolha errada

A experiência da nossa equipe é um exemplo bem típico. Chroma é ótimo para desenvolvimento local: pip install chromadb, cinco minutos e você já consegue rodar. Mas, quando o volume passa de 1 milhão de documentos, o gargalo de uma implantação em máquina única aparece: escalar entre máquinas exige cuidar de servidores, migração de dados, reconstrução de índices e balanceamento de carga manualmente.

Existe ainda uma armadilha mais discreta: o custo do Pinecone pode sair do controle. O plano gratuito aceita 1 milhão de vetores, o que parece ótimo. Mas, assim que você passa para a camada paga, a cobrança dupla por armazenamento e consultas pode surpreender. Um amigo que trabalha com IA jurídica tinha 50 milhões de documentos e 100 mil consultas por dia; a conta mensal passou de $3000, muito acima do orçamento inicial de $500.

Escolha errada não é só um problema técnico. É também um problema de dinheiro.

1.3 O cenário dos bancos vetoriais em 2026

Hoje o mercado está, grosso modo, em uma disputa de “três principais + novos entrantes”:

Três opções principais:

• Pinecone: serverless totalmente gerenciado, pronto para usar, bom para começar rápido. Depois da solução Serverless lançada em 2026, a barreira inicial ficou ainda menor.
• Weaviate: design modular, capacidade embutida de banco de grafos e ótimo desempenho em busca híbrida, combinando palavra-chave e vetor.
• Milvus: arquitetura distribuída cloud native, aceleração por GPU e resposta em milissegundos para centenas de milhões de vetores, ideal para grande escala.

Novos entrantes:

• pgvector: extensão do PostgreSQL. Se você já usa PG, dá para adicionar busca vetorial sem custo extra. Serve bem para cenários leves e com pouco volume.
• Qdrant: open source, com bom desempenho e boa relação custo-benefício. Em autohospedagem, é mais leve que o Milvus.

Este artigo foca nas três primeiras opções porque elas cobrem a demanda mais comum, de “serviço gerenciado sem operação” até “autohospedagem em grande escala”. Vou citar pgvector e Qdrant na seção de casos especiais.

Capítulo 2: comparação das principais diferenças entre os três bancos

2.1 Arquitetura: três linhas de raciocínio

Milvus: arquitetura distribuída cloud native

Vultr - Servidor cloud NVMe de alto desempenho, 32 locais globais, deploy Docker com um clique

Ver preços →Anúncio

A filosofia do Milvus é nascer para grande escala. Ele foi desenhado como uma arquitetura distribuída: suporta implantação em Kubernetes, sincronização com múltiplas réplicas e expansão horizontal. Os componentes principais são bem separados: nós de coordenação cuidam do agendamento, nós de dados cuidam do armazenamento e nós de consulta cuidam da recuperação.

Na prática, implantar Milvus exige capacidade profissional de operação. Você precisa entender Kubernetes, configuração de cluster e ajuste de parâmetros para aceleração por GPU. A vantagem é que, uma vez rodando, dá para escalar de 10 milhões para 1 bilhão de vetores adicionando nós, sem trocar a arquitetura. A documentação oficial do Milvus recomenda, para produção, ao menos um cluster de 3 nós, cada nó começando com 16 GB de memória; para dados na casa de centenas de milhões, a aceleração por GPU, como NVIDIA A100 ou equivalente, passa a ser recomendada.

Pinecone: serverless totalmente gerenciado

O Pinecone leva a ideia de “sem dor de cabeça” ao extremo. Você não cuida de servidor, não configura índice e não se preocupa com escala: cria a conta, cria o índice e chama a API. A solução Serverless de 2026 baixou ainda mais o custo inicial: a cobrança acompanha o uso real, e quando o serviço fica ocioso quase não há custo.

Essa conveniência, porém, limita a flexibilidade. O Pinecone oferece principalmente escala vertical: o limite de capacidade do índice depende do provedor de nuvem, e você não consegue simplesmente adicionar nós como no Milvus para escalar horizontalmente. A personalização de parâmetros de índice, como M e ef no HNSW, também é limitada; você escolhe entre algumas configurações predefinidas. Se o seu cenário precisa de ajuste fino de desempenho de recuperação, o Pinecone pode dar a sensação de prender suas mãos.

Weaviate: design modular + origem em banco de grafos

A arquitetura do Weaviate é um pouco diferente: ele combina banco vetorial com banco de grafos. Cada vetor pode carregar propriedades de “objeto”, como texto, imagem e metadados, e também pode definir relações semânticas entre objetos. Isso é especialmente útil para cenários com grafo de conhecimento: você não procura apenas vetores semelhantes, mas também navega por cadeias de relacionamento.

A modularidade é outro ponto forte do Weaviate. O módulo de embedding pode se conectar a OpenAI, Cohere ou modelos locais; o módulo de vetorização pode ser personalizado; e a recuperação multimodal, como buscar imagens a partir de texto, já tem suporte pronto. A implantação também é flexível: autohospedagem, Weaviate Cloud ou modo híbrido. O preço dessa flexibilidade é um número maior de configurações e uma curva de entrada um pouco mais alta que a do Pinecone.

2.2 Benchmark de desempenho: comparação com dados reais

A tabela abaixo combina dados de uma avaliação da Tencent Cloud em 2025 e de um relatório de benchmark da IoT Digital Twin PLM em 2026. Condições de teste: vetores de 1536 dimensões, usando OpenAI text-embedding-3-small, índice HNSW e recall de 95%.

Algumas observações importantes:

1. A diferença de latência é clara: com GPU, o Milvus reduz o P99 para menos de 50 ms, cerca de 3 vezes mais rápido que o Weaviate. Se o seu cenário é sensível a tempo de resposta, como perguntas e respostas em tempo real ou atendimento ao cliente, o usuário percebe essa diferença.

2. Os limites de capacidade são diferentes: o Weaviate declara suporte a centenas de bilhões de vetores, mas testes práticos mostram queda perceptível de desempenho depois de 1 bilhão. O Milvus se mantém estável em escala de centenas de milhões, graças à arquitetura distribuída e à estratégia de particionamento de dados. O limite do Pinecone na casa dos bilhões é suficiente para cenários pequenos e médios, mas pode restringir ambientes corporativos muito grandes.

3. Busca híbrida virou requisito padrão: os três suportam recuperação combinando vetores e palavras-chave. O Weaviate se destaca nesse ponto: sua origem em banco de grafos torna a modelagem de relações semânticas mais natural, e a precisão de recuperação em cenários de “semântica complexa” fica 5% a 10% acima da busca vetorial pura, segundo os dados da Tencent Cloud.

2.3 Modelo de preço: calcule o custo real

Em preço, cada fornecedor joga de um jeito. Organizei abaixo os principais componentes de custo:

Preço do Pinecone:

• Plano gratuito: 1 milhão de vetores, $0 de custo de armazenamento e número limitado de consultas
• Camada paga: a partir de $70/mês, incluindo armazenamento para até 1 bilhão de vetores; excedentes entram em cobrança por consulta
• Fórmula de cobrança: Custo = $70 + (número de consultas × $0.0001/consulta) depois da franquia gratuita

Preço do Weaviate:

• Cloud gerenciado: $0.01/GB/mês por armazenamento; consultas sem limite de cobrança
• Fórmula de cobrança: Custo = (número de vetores × 1536 dimensões × 4 bytes ÷ 1 GB) × $0.01 × meses
• Autohospedagem: open source gratuito, com custo de servidor por sua conta

Preço do Milvus:

• Versão open source: gratuita em autohospedagem
• Cloud gerenciado, como Tencent Cloud/AWS: cobrança por nó; nós de alta configuração ficam perto de $2000/mês
• Fórmula de cobrança: Custo = número de nós × $2000/mês + custo de GPU, se necessário

Agora um exemplo real: 50 milhões de vetores, 100 mil consultas por dia, 1536 dimensões.

Aqui está o ponto principal: o modelo do Weaviate, que cobra por armazenamento, tem uma relação custo-benefício excelente em cenários de consulta frequente. Mas cuidado: muita gente deixa de fora o custo operacional da autohospedagem. Contratar alguém que entenda Kubernetes pode custar pelo menos $50k por ano.

Capítulo 3: árvore de decisão por cenário

Não existe “o melhor” banco vetorial. Existe o mais adequado para o seu cenário. Abaixo está um framework de decisão por volume de dados e tamanho da equipe.

3.1 Validação rápida de protótipo (<1 milhão de vetores)

Recomendação: plano gratuito do Pinecone ou Chroma local

Se você está validando um protótipo de produto, montando uma demo interna ou ainda não sabe a velocidade de crescimento dos dados, comece pelo plano gratuito do Pinecone. O motivo é simples: zero operação, integração em 5 minutos e franquia suficiente. Chroma também funciona, mas há um alerta: quando os dados passam de 1 milhão, a migração costuma doer.

Comparação de velocidade para começar com código:

KiloClaw - OpenClaw gerenciado para empresas: orquestração de agentes IA e roteamento inteligente

Começar →Anúncio

Pinecone:

from pinecone import Pinecone
pc = Pinecone(api_key="your-api-key")
index = pc.Index("my-index")  # O índice já foi criado na nuvem

Chroma:

import chromadb
client = chromadb.Client()  # Modo de memória local
collection = client.create_collection("my-collection")

Os dois começam rápido, mas o índice do Pinecone é persistido na nuvem; no modo local do Chroma, os dados somem quando o processo reinicia. Se o protótipo precisa persistir dados entre sessões, o plano gratuito do Pinecone é mais adequado.

3.2 Produção pequena e média (1 milhão a 100 milhões de vetores)

Recomendação: camada paga do Pinecone ou Weaviate Cloud

Nesse estágio, a escolha passa por dois fatores: custo operacional e precisão de recuperação.

Se a equipe não tem operação dedicada, priorize serviços gerenciados. Pinecone e Weaviate Cloud conseguem entregar “sem operação”. Mas os modelos de preço são bem diferentes: para consultas frequentes, Weaviate, que cobra por armazenamento; para consultas pouco frequentes, Pinecone, que combina armazenamento e consulta.

Se a precisão de recuperação é crítica, como em IA jurídica ou perguntas e respostas médicas, a busca híbrida do Weaviate tende a performar melhor. Dados da avaliação da Tencent Cloud mostram que, em cenários de “semântica complexa”, a precisão do Weaviate fica 5% a 10% acima da busca vetorial pura. A capacidade de banco de grafos também ajuda na recuperação por grafo de conhecimento: não é só encontrar documentos parecidos, mas seguir cadeias de relação semântica para achar conceitos relacionados.

Sugestão para calcular custo: use esta fórmula.

Custo mensal = (número de vetores × dimensão × 4 bytes ÷ 1 GB) × preço de armazenamento × meses
               + (consultas médias por dia × 30 × preço por consulta)

No Weaviate, o preço por consulta é 0, porque a cobrança é por armazenamento. No Pinecone, fica perto de $0.0001 por consulta. Substitua com seu volume de dados; a diferença pode ser grande.

3.3 Grande escala corporativa (>100 milhões de vetores)

Recomendação: Milvus autogerenciado + Kubernetes

Em cenários com centenas de milhões de vetores, a relação custo-benefício dos serviços gerenciados começa a quebrar. O limite do Pinecone na casa dos bilhões pode não bastar, e o Weaviate Cloud, mesmo cobrando por armazenamento, também fica caro nessa escala. Nesse ponto, Milvus autogerenciado tende a ser a melhor saída: open source, gratuito, com aceleração por GPU e expansão horizontal.

Mas há uma condição: você precisa ter equipe de operação. Implantar Milvus exige:

• Cluster Kubernetes com pelo menos 3 nós
• Servidores GPU, como NVIDIA A100 ou equivalente
• Operação profissional para configurar parâmetros de índice e ajustar latência

Não ignore o custo de pessoas. Se a equipe ainda não tem capacidade de operação em Kubernetes, inclua recrutamento ou treinamento na conta. No longo prazo, o custo total de uma solução autogerenciada para dados em grande escala pode ser menor que o de serviços gerenciados. Só que o investimento inicial é alto, então combina melhor com projetos de crescimento previsível e operação contínua.

3.4 Escolha em cenários especiais

Recuperação multimodal, como texto buscando imagem ou imagem buscando imagem: Weaviate

O Weaviate traz módulos embutidos de vetorização multimodal, como CLIP e modelos de embedding multimodal. Você pode enviar uma imagem diretamente, deixar o sistema vetorizá-la automaticamente e pesquisar no mesmo índice que guarda vetores de texto. O Milvus também suporta multimodal, mas exige configurar o módulo de vetorização por conta própria. O Pinecone, no momento, não oferece multimodal: ele armazena os vetores que você envia, e a lógica de vetorização fica com você.

Grafo de conhecimento + RAG: Weaviate

A origem do Weaviate em banco de grafos permite definir relações “objeto-objeto”. Por exemplo, uma cadeia semântica “empresa-funcionário-projeto”: em vez de buscar apenas documentos parecidos, você também recupera entidades relacionadas ao seguir os relacionamentos. Milvus e Pinecone não oferecem essa capacidade; eles trabalham com recuperação vetorial pura.

Cenário leve ou PostgreSQL já existente: pgvector

Se você já usa PostgreSQL e o volume não é grande, dentro da casa de milhões, pgvector é uma solução sem custo extra. Instale a extensão com CREATE EXTENSION vector; e você passa a armazenar vetores e fazer recuperação ANN no banco atual. A limitação é desempenho: ele não acompanha bancos vetoriais dedicados, e a latência sobe de forma visível acima de 1 milhão de vetores.

Alibaba Cloud - Escolha dos desenvolvedores, 15% de desconto exclusivo em Lighthouse

Ganhar 15% off →Anúncio

Capítulo 4: código prático de integração com LangChain

Abaixo estão exemplos completos de integração entre LangChain e os três bancos. Cada exemplo inclui inicialização, adição de vetores e consulta, os três passos centrais para começar a rodar.

4.1 Pinecone + LangChain

# Instalar dependências
# pip install pinecone-client langchain-openai

from pinecone import Pinecone
from langchain_openai import OpenAIEmbeddings
from langchain_pinecone import PineconeVectorStore

# Inicializar o Pinecone
pc = Pinecone(api_key="your-pinecone-api-key")
index_name = "rag-demo"

# Criar índice, necessário na primeira execução
if index_name not in pc.list_indexes().names():
    pc.create_index(
        name=index_name,
        dimension=1536,  # OpenAI text-embedding-3-small
        metric="cosine",
        spec={"serverless": {"cloud": "aws", "region": "us-east-1"}}
    )

index = pc.Index(index_name)

# Inicializar o armazenamento vetorial do LangChain
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = PineconeVectorStore(
    index=index,
    embedding=embeddings,
    text_key="text"
)

# Adicionar documentos
from langchain.schema import Document
docs = [
    Document(page_content="Dicas de desempenho em Python: use list comprehensions no lugar de loops", metadata={"source": "blog"}),
    Document(page_content="Operações vetorizadas com NumPy são 100 vezes mais rápidas que Python puro", metadata={"source": "blog"}),
]
vectorstore.add_documents(docs)

# Consulta e recuperação
results = vectorstore.similarity_search("como melhorar desempenho em Python", k=3)
for doc in results:
    print(doc.page_content)

4.2 Weaviate + LangChain

# Instalar dependências
# pip install weaviate-client langchain-openai

import weaviate
from langchain_openai import OpenAIEmbeddings
from langchain_weaviate import WeaviateVectorStore

# Inicializar o Weaviate, exemplo com cloud gerenciado
client = weaviate.connect_to_wcs(
    cluster_url="your-cluster-url.weaviate.network",
    auth_credentials=weaviate.auth.AuthApiKey("your-weaviate-api-key"),
)

# Inicializar o armazenamento vetorial do LangChain
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = WeaviateVectorStore(
    client=client,
    index_name="RagDemo",
    text_key="content",
    embedding=embeddings,
)

# Adicionar documentos
from langchain.schema import Document
docs = [
    Document(page_content="A precisão da recuperação em um sistema RAG depende da escolha do banco vetorial", metadata={"category": "tech"}),
    Document(page_content="A busca híbrida do Weaviate melhora a precisão da recuperação semântica", metadata={"category": "tech"}),
]
vectorstore.add_documents(docs)

# Busca híbrida, vetor + palavra-chave
results = vectorstore.similarity_search(
    query="recuperação RAG",
    k=3,
)
for doc in results:
    print(doc.page_content)

client.close()  # Fechar conexão

4.3 Milvus + LangChain

# Instalar dependências
# pip install pymilvus langchain-openai

from pymilvus import MilvusClient
from langchain_openai import OpenAIEmbeddings
from langchain_milvus import Milvus

# Inicializar o Milvus, exemplo local
client = MilvusClient(uri="http://localhost:19530")

# Criar collection
collection_name = "rag_demo"
if client.has_collection(collection_name):
    client.drop_collection(collection_name)
client.create_collection(
    collection_name=collection_name,
    dimension=1536,
)

# Inicializar o armazenamento vetorial do LangChain
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = Milvus(
    embedding_function=embeddings,
    collection_name=collection_name,
    connection_args={"uri": "http://localhost:19530"},
)

# Adicionar documentos
from langchain.schema import Document
docs = [
    Document(page_content="Milvus com aceleração por GPU faz recuperação em milissegundos em escala de centenas de milhões de vetores", metadata={"gpu": True}),
    Document(page_content="A arquitetura distribuída permite expansão horizontal para dezenas de bilhões de vetores", metadata={"scale": "large"}),
]
vectorstore.add_documents(docs)

# Consulta e recuperação
results = vectorstore.similarity_search("recuperação vetorial em grande escala", k=3)
for doc in results:
    print(doc.page_content)

4.4 Caminho de migração: do Chroma para uma solução gerenciada

Se você usou Chroma no protótipo e agora precisa migrar para produção, este é um fluxo em três etapas:

Step 1: exportar dados do Chroma

import chromadb
client = chromadb.PersistentClient(path="./chroma_db")
collection = client.get_collection("my_collection")

# Buscar todos os vetores
results = collection.get(include=["embeddings", "metadatas", "documents"])
vectors = results["embeddings"]
metadatas = results["metadatas"]
documents = results["documents"]

Step 2: importar em lote para o banco de destino

# Importar para o Pinecone
from langchain.schema import Document
docs = [
    Document(page_content=documents[i], metadata=metadatas[i])
    for i in range(len(documents))
]
pinecone_store.add_documents(docs)  # Upload em lote

Step 3: recriar o índice e validar

# Validar a consistência dos resultados de recuperação
chroma_results = collection.query(query_texts=["test query"], n_results=5)
pinecone_results = pinecone_store.similarity_search("test query", k=5)

# Comparar a taxa de recall e confirmar que a migração foi bem-sucedida

Estimativa de tempo de migração: 1 milhão de vetores do Chroma para o Pinecone leva cerca de 2 a 3 horas, dependendo da largura de banda. Faça em horário de baixo tráfego para não afetar o serviço.

Capítulo 5: resumo e tabela de decisão

5.1 Uma tabela vale mais que mil palavras

5.2 Processo de escolha em três passos

1. Avalie o volume de dados e a expectativa de crescimento

   • Quantos documentos existem hoje?
   • Quanto isso deve crescer em um ano?
   • O crescimento é linear ou exponencial?

2. Calcule o custo real

   Custo mensal = custo de armazenamento + custo de consulta + custo operacional

   Use as fórmulas acima com seus próprios números e compare o custo total de uma solução gerenciada com uma solução autogerenciada. Não esqueça a operação: o serviço gerenciado economiza equipe, enquanto a autohospedagem pode ficar mais barata no longo prazo.

3. Valide com um teste pequeno

   • Use 10% dos dados para um protótipo
   • Meça P99, recall e QPS
   • Só migre tudo depois de confirmar que o resultado atende ao esperado

5.3 Três erros comuns na escolha

Erro 1: olhar só o preço e ignorar o custo operacional

Muita gente escolhe uma solução open source “porque é gratuita”, mas o custo humano da autohospedagem costuma ficar escondido. Contratar alguém que entenda Kubernetes pode custar $50k+ por ano; treinar a equipe atual pode consumir 1 a 2 meses. O serviço gerenciado parece caro, mas a economia de operação precisa entrar na conta.

Erro 2: ignorar o impacto da dimensão dos vetores no desempenho

O OpenAI text-embedding-3-large gera vetores de 3072 dimensões, o dobro do text-embedding-3-small, que gera 1536. Quanto maior a dimensão, maior a latência de recuperação e maior o custo de armazenamento. Antes de escolher o banco, defina o modelo de embedding; caso contrário, você pode descobrir tarde demais que a solução não lida bem com vetores de alta dimensão.

Erro 3: descobrir tarde que o banco não suporta o modelo de embedding necessário

O Pinecone só armazena vetores; ele não oferece serviço de vetorização. Você precisa gerar os embeddings e enviá-los. O Weaviate traz módulos de vetorização embutidos e se conecta diretamente a OpenAI, Cohere e modelos locais. Se você precisa de “enviar documento e vetorizá-lo automaticamente”, confirme essa capacidade ainda na escolha.

Não existe resposta padrão para escolha de banco vetorial. Entenda seu cenário, calcule o custo real e valide em pequena escala antes da implantação completa. A intenção deste artigo é ajudar você a evitar algumas armadilhas e escolher a opção mais adequada.

Se você encontrar outros problemas na prática, deixe um comentário. Eu também continuo aprendendo com as próprias armadilhas.