O Couchbase Hyperscale Vector Index (HVI) oferece um desempenho revolucionário em relação ao MongoDB em um benchmark independente de bilhões de escalas

SAN JOSE, Califórnia - 23 de outubro de 2025 - Couchbase, Inc.a plataforma de dados para desenvolvedores para aplicativos essenciais em nosso mundo de IA, anunciou hoje os resultados de uma pesquisa do Couchbase referência A Couchbase realizou um teste usando uma ferramenta independente que demonstra que o Hyperscale Vector Index (HVI) da Couchbase oferece vantagens excepcionais de desempenho em relação às soluções da concorrência em escala de bilhões de vetores. O teste abrangente, conduzido usando a metodologia VectorDBBench padrão do setor, mostra que o Couchbase atinge mais de 700 consultas por segundo (QPS) com latência de menos de um segundo e maior precisão, o que é 350 vezes mais rápido do que o MongoDB Atlas em condições idênticas.

A comparação rigorosa testou o Couchbase e o MongoDB em conjuntos de dados de 100 milhões de vetores com 768 dimensões e 1 bilhão de vetores com 128 dimensões, medindo o QPS, a latência de resposta e a precisão da recuperação em várias configurações de recuperação. Os resultados do benchmark revelam diferenças drásticas de desempenho que se tornam ainda mais pronunciadas à medida que os aplicativos exigem níveis mais altos de precisão de recuperação.

"Quando você está criando aplicativos de IA em escala, o desempenho não é apenas algo bom de se ter; ele determina se o seu aplicativo fornece valor que faz valer a pena adotá-lo", disse BJ Schaknowski, CEO da Couchbase. "Vemos isso com os clientes todos os dias. Eles estão tomando decisões de infraestrutura neste exato momento que permitirão suas iniciativas de IA ou criarão gargalos com os quais lutarão por anos. Esses resultados de benchmark mostram o que já sabemos: na escala de um bilhão de vetores, as escolhas de arquitetura têm implicações enormes para o que você pode realmente oferecer como aplicativos alimentados por GenAI. O Couchbase oferece às empresas o desempenho e a precisão de que elas precisam sem o tradicional compromisso entre os dois - tudo isso com um custo total de propriedade mais baixo."

Principais constatações de benchmark

Os testes demonstram que a arquitetura do Couchbase permite que as organizações obtenham simultaneamente desempenho excepcional e alta precisão em aplicativos de pesquisa vetorial.

Nas configurações de velocidade otimizadas, o Couchbase forneceu 19.057 QPS com latência de 28 milissegundos a uma precisão de recuperação de 66%, enquanto o MongoDB conseguiu apenas 6 QPS a uma recuperação de 57% com latência de 62,6 segundos, o que representa uma vantagem de desempenho de 3.176 vezes para o Couchbase. Quando configurado para recuperação de alta precisão, o Couchbase manteve 703 QPS com latência de menos de um segundo de 369 milissegundos com precisão de recuperação de 93%. Em contraste, o desempenho do MongoDB caiu para apenas 2 QPS com mais de 40 segundos de latência em uma recuperação de 89%, dando ao Couchbase uma vantagem de 350 vezes na taxa de transferência e, ao mesmo tempo, oferecendo maior precisão.

Abordagem técnica gera vantagens de desempenho

O HVI do Couchbase aproveita o algoritmo de busca do vizinho mais próximo do DiskANN com o algoritmo de construção de gráficos direcionados Vamana, oferecendo flexibilidade para operar na memória e em discos particionados para processamento distribuído e para manter um desempenho de consulta excepcional enquanto é dimensionado. A arquitetura inclui suporte para quantização escalar (SQ4), que reduz o espaço de memória e mantém a precisão.

O teste de benchmark usou configurações equivalentes de hardware na infraestrutura do Amazon Web Services (AWS) para ambas as plataformas, com quatro nós de consulta (64 núcleos, 128 GB de RAM cada) e três nós de dados (32 núcleos, 128 GB de RAM cada) para cada sistema. Os dois sistemas foram testados nas mesmas cargas de trabalho com configurações de parâmetros otimizadas para níveis comparáveis de amplitude de pesquisa, em que configurações de pesquisa mais amplas geram maior precisão de recuperação.

A metodologia completa de testes e os resultados detalhados estão disponíveis na seção técnica relatório "Comparação dos recursos de pesquisa vetorial do MongoDB e do Couchbase por meio de benchmarking usando o VectorDBBench". Os resultados mostram que o Couchbase oferece mais trabalho, com menos latência e custos significativamente menores por operação.

Implicações para os aplicativos de IA corporativos

Cada segundo de atraso nos aplicativos de IA se traduz em usuários frustrados, transações abandonadas e perda de receita. Para as empresas que estão implantando a IA em escala, o desempenho do banco de dados não é apenas um detalhe técnico, é a diferença entre a IA que oferece valor comercial e a IA que se torna um equipamento de prateleira caro. Os resultados do benchmark demonstram que as escolhas arquitetônicas têm implicações profundas na capacidade de resposta dos aplicativos, nos custos de infraestrutura e na escalabilidade.

Disponibilidade

Couchbase 8.0 com recursos HVI, também anunciado esta semana, já está disponível para implementações autogerenciadas e baseadas na Capella. As organizações podem implementar em ambientes locais, de nuvem e de borda para dar suporte aos requisitos de seus aplicativos de IA.

Recursos adicionais

• Para saber mais sobre os recursos de pesquisa vetorial do Couchbase e acessar o relatório completo de benchmark, visite https://www.couchbase.com/products/vector-search/.
• Para saber mais sobre como o Couchbase ajuda os clientes a enfrentar seus desafios mais críticos de IA, clique em aqui.