ベクトルデータベース比較2026：Pinecone vs Qdrant vs Weaviate vs Milvus vs pgvector 完全ガイド

2026年8月現在、RAG（検索拡張生成）パイプラインやAIエージェントの品質を実質的に左右しているのは、モデルではなく検索レイヤーです。どれほど優秀なLLMを接続しても、根拠となる文書を正しく引っ張ってこられなければ回答は崩壊します。そのため2026年のベクトルデータベース比較は、「どれが速いか」ではなく「自社のデータの置き場所・運用人員・ハイブリッド検索の要件にどれが合うか」という問いへと変わりました。本記事は、Pinecone、Qdrant、Weaviate、Milvus（Zilliz）、pgvector の5製品を、公式ドキュメントと公式料金ページのみを根拠に整理した実務ガイドです。

とりわけ今はタイミングが絶妙です。Milvus 3.0が2026年7月27日に発表され、7月29日にリリースタグが付きました。本稿執筆時点でまだ1週間も経っていないニュースで、コンセプトは**「Lake-Native（レイクネイティブ）」** — オブジェクトストレージにすでに蓄積されているParquet・Iceberg・Lance・Vortexのテーブルを、ベクトルDBにコピーせずそのまま検索するというアプローチです。データレイクをすでに運用している組織にとっては、「取り込みパイプラインをゼロから作る」という前提そのものが消える変化です。

同じ時期、pgvector側にはもっと緊急性の高いニュースがありました。CVE-2026-3172 — 並列HNSWインデックス構築時に整数のラップアラウンドが起きてバッファオーバーフローが発生する脆弱性で、0.6.0から0.8.1までの全バージョンが影響を受け、0.8.2で修正されています。そして多くのブログが「pgvector 0.9」と書いていますが、0.9は存在しません。 2026年8月2日時点の最新は 0.8.6（2026-07-29） です。本記事では、こうして誤って広まった数値をひとつずつ公式の値に修正していきます。

以下では、5製品の総合比較表から始めて、製品別の機能ディープダイブ、性能を誠実に扱う方法、公式料金の完全比較、ユーザータイプ別のおすすめ、実践的なコツとよくある失敗、FAQまでを順に扱います。ベンチマークの数字をそれらしく並べるのではなく、検証できたものだけを数字で書き、検証できていないものは検証できていないと言うやり方で進めます。そのほうが、実際に導入判断を下すときにはるかに役立つからです。

1. Executive Summary: 2026年8月 5大ベクトルデータベース一目でわかる比較

時間のないAIエンジニアやテックリードのために、5製品の設計思想・最新バージョン・価格構造・無料プラン・長所と短所を1つの表に凝縮しました。

📊 2026年8月最新 5大ベクトルDB総合比較表

この表でまず目に留めてほしいのは最終行です。5製品は競合というより、それぞれ異なる組織の状態に対応する選択肢です。Postgresをすでに使っていてベクトルが1,000万件以下なら、pgvectorが事実上のデフォルトであり、別途ベクトルDBを導入するというのは運用人員と同期パイプラインという新しいコストを自ら作り出す行為にほかなりません。

2. 5大ベクトルデータベース 主要機能ディープダイブ

🌲 1) Pinecone - フルマネージド・サーバーレスの基準点

• サーバーレスが完全な基本：かつてのポッド（pod）ベースのインデックスはレガシー扱いになり、現在はサーバーレスが標準ルートです。ノードのサイジング・シャーディング・リバランスを気にしなくてよい点こそがPineconeの存在理由です。インフラエンジニアがいないチームにとっては、この一行が他のすべての比較項目を凌駕します。
• インデックス3種をすべてサーバーレスで：dense / sparse / 全文検索の3種類のインデックスタイプすべてに対応し、全文検索はBM25とLuceneのクエリ構文を使います。「sparseはポッド専用」という古い情報がいまだに出回っていますが、これは事実ではありません。3種ともサーバーレスで動作します。
• 自社製の埋め込み・リランキングモデルを提供：sparse埋め込み用に pinecone-sparse-english-v0 を自社提供し、リランカーには bge-reranker-v2-m3 を使います。無料プランとBuilderプランではこのリランカーのみ利用可能で、Standard以上で全モデルが使えます。
• 知っておくと事故を防げるハードリミット① 一般インデックス：レコードあたりメタデータ 40KB、top_k は最大10,000、クエリ結果のサイズは最大4MB、メタデータフィルタの $in/$nin は演算子あたり最大10,000個の値です。denseインデックスから候補を多めに取ってリランキングするパイプラインなら、余裕は思っているより大きいということです。
• 知っておくと事故を防げるハードリミット② sparseインデックス専用：sparseインデックスには、はるかに厳しい別枠の上限が付きます。非ゼロ値は最大1,000個（一般のsparseベクトル上限は2,048個）、top_k は最大1,000、アップサート10件/秒、クエリ100 QPSです。多くの比較記事がこのsparse専用の数字をPinecone全体の上限のように書き写していますが、top_k 1,000はsparseインデックスにのみ該当し、一般の上限は10,000です。大量の初期投入のスケジュールは、sparse側の速度を前提に組む必要があります。
• 2026年の変化：既存のStarterとStandardの間のギャップを埋める Builder 月20ドルの定額ティアが新設されました。無料では足りないが従量課金は怖い、まさにその区間の個人開発者・小規模チームを狙ったプランです。

🦀 2) Qdrant - Rustベース、メモリ効率に本気なエンジン

• TurboQuantでメモリを半分に：v1.18.0（2026-05-11） で導入されたTurboQuantは、Google Researchが開発した量子化手法です。ベクトルに高速アダマール回転を適用して値を座標全体に均等に再分布させたうえで圧縮する方式で、スカラー量子化（SQ）と比べてメモリを2分の1に抑えつつ、同等のrecallと速度を出せるというのがQdrant自身の測定値です。最大8倍圧縮まで可能です。ベクトルDBのコストのかなりの部分がRAMであることを踏まえると、これは単なる機能ではなく請求書に直結する変化です。
• 運用者向けの可観測性強化：同じv1.18で、コレクションのディスク・RAM・ページキャッシュ使用量をベクトル/ペイロード/インデックスのコンポーネント別に分解して表示するメモリモニタリングのWeb UIとAPIが追加されました。「なぜこんなにメモリを食っているのか」を推測ではなく確認できるようになったということです。監査ログ照会APIとリクエストトレースIDも同時に入りました。
• 無停止でのスキーマ変更：コレクションを作り直さずにnamed vectorを追加・削除できます。埋め込みモデルを差し替えたり、マルチベクトルの実験をしたりするチームにとっては、再投入コストを丸ごと節約できる機能です。
• ハイブリッド検索が一級市民：v1.7からネイティブsparseベクトルに対応しており、1つのコレクションにdenseとsparseを同居させ、Query APIで RRFまたは加重線形フュージョン（linear fusion） を使って単一クエリで処理できます。
• ベンダーの存続性：2026年3月12日にシリーズB 5,000万ドルを調達し、累計8,780万ドルになりました（Advance Venture Partnersがリード、Bosch Ventures が新規参加）。ベンダーが今後も存続するかを見極めるときにだけ意味を持つ情報であり、製品の優劣の根拠ではありません。
• では何を諦めることになるのか — Qdrantのトレードオフ：強みが単一ノードの効率に集中している分、1億ベクトルを超える分散スケールアウトの領域では、Milvus側のアーキテクチャと運用事例のほうが厚みがあります。 また公式料金ページに単価の数字がないため、導入決裁の前に正確な月額コストを算定できず、コンソールでスペックを構成してみるか営業見積もりを取る必要があります。予算承認プロセスが厳格な組織では、これは想像以上に大きな摩擦になります。
• それ以前のリリースも中身が濃い：v1.17（2026年2月）でRelevance Feedbackクエリと検索レイテンシの改善が、v1.16で階層型マルチテナンシー（tenant promotion）と ACORNベースのフィルタ付きベクトル検索の改善が入りました。最新のパッチは v1.18.3（2026-07-17） です。

🕸️ 3) Weaviate - ハイブリッド検索が最も長く検証されてきた製品

• alpha 一つで調整するハイブリッド：ネイティブBM25モジュールとdenseベクトルを、クエリの alpha パラメータひとつで融合します。キーワード側に重みを置くか意味検索側に置くかをコード1文字で変えられるというのは、チューニングを何度も繰り返す実務では想像以上に大きな利点です。5製品の中でハイブリッド検索を最も長く運用してきた製品です。
• マルチテナンシーが一級機能：テナント分離とハイブリッド検索の組み合わせが強みなので、顧客ごとにデータを隔離する必要があるB2B SaaSに自然にフィットします。
• v1.35で入った実務向け機能：Object TTL（オブジェクト寿命の自動失効）で古い文書を自動整理でき、zstd圧縮、flat index＋RQ量子化のGA（1.34ではプレビューだったもの）、ランタイムで設定可能なOIDC証明書、operational modes（ノードごとに処理可能な作業種別を制御）が追加されました。
• 文書画像をそのまま埋め込む：v1.35の multi2multivec-weaviate モジュールは、文書画像を埋め込んでテキストクエリで検索するマルチモーダル文書埋め込みに対応します。OCRパイプラインを通さずにスキャンPDF・表・レイアウトのある文書を扱いたいチームなら注目に値します。
• サポートポリシーはかなり厳しめ：最新3つのマイナーバージョン（1.36 / 1.37 / 1.38）のみがバグ・セキュリティパッチを受けられます。最新は v1.38.x（2026-06-05） で、その前にv1.37.x（2026-04-16）、v1.36.x（2026-02-24）、v1.35.x（2025-12-17）、v1.34.x（2025-11-05）と続きます。バージョンを長く塩漬けにする運用習慣はここでは通用しません。

🐦 4) Milvus / Zilliz - 大規模分散と「レイクネイティブ」の登場

• Milvus 3.0、コンセプトはLake-Native：2026年7月27日発表、7月29日リリース。 核となるのはレイクネイティブ・インデキシングです。オブジェクトストレージ上のオープンテーブルフォーマット（Parquet / Lance / Iceberg / Vortex）にあるデータを、ベクトルDBにコピーせずに検索できる「zero-copy external collections」を提供します。ETLで数十TBを複製して投入するという慣行をスキップするということです。
• Loon：新しいストレージエンジン：マニフェストベースの新ストレージエンジンで、オブジェクトストレージで低レイテンシのポイントアクセスを行う際に発生する read amplificationを大幅に削減することを目標としています。デフォルトの保存フォーマットはVortexです。
• 検索・ランキングをエンジン内部へ：単純な最近傍探索を超えて、リッチランキング、集計、sparse検索、マルチベクトル検索をエンジン内部で処理します。learned-sparseベクトル向けの SINDI、サーバーサイドMinHash生成、nullableなベクトルフィールド、全文検索用のカスタム辞書、Faiss互換インデックスの対応拡大も同時に入りました。スナップショット（コピー不要の時点コレクションビュー）とSpark連携も提供されます。
• いまだ現役のMilvus 2.6：Woodpeckerという自社製のクラウドネイティブWALでKafka・Pulsarへの依存を取り除きました。zero-disk設計のため、すべてのログをS3・GCS・MinIOといったオブジェクトストレージに永続化し、2.6からWALはオプションになっています。Streaming Nodeが新設されQuery Node・Data Nodeと協調するほか、階層型ストレージと RaBitQ量子化、全文検索・マルチテナンシーが強化されました。ベンダーはメモリ72%削減（recall維持）、Elasticsearch比4倍の性能を主張していますが、これは Milvus（Zilliz）自身の測定値である点を踏まえて見る必要があります。
• マネージドZilliz Cloudの直近の変化：2026年1月1日付でストレージ料金をAWS・Azure・GCPの3社すべて0.04ドル/GB/月に統一しました。クロスリージョン・クロスクラウドのデータ転送が導入され、転送費用はマークアップなしでプロバイダの原価がそのまま転嫁されます。Milvus 2.6.xは2026年1月20日にZilliz CloudでGAとなり、多層ストレージが本番環境でキャッシュヒット率90%以上、ストレージコスト最大87%削減を実現したというのがZilliz自身の測定に基づく主張です。
• 運用ツールも刷新中：Attu 3.0 Beta（2026年7月）が登場し、マルチクラスタ管理、AIエージェント、コンソールの全面書き直しが行われました。

🐘 5) pgvector - 「新しいDBを導入しない」という最強の選択肢

• まずバージョンを確認してください：最新は 0.8.6（2026-07-29） です。「pgvector 0.9」は存在しません。 複数の技術ブログがこのように誤記しているので、社内ドキュメントにコピペする前に確認してください。
• 🔴 CVE-2026-3172 — 今すぐ確認すべきこと：並列HNSWインデックス構築時に、整数のラップアラウンドに起因するバッファオーバーフローが発生します。影響を受けるバージョンは0.6.0〜0.8.1、修正は0.8.2です。HNSWインデックスを並列ワーカーで作成したりREINDEXしたりできるDBユーザーが、他のリレーションの機微データを流出させたり、DBサーバーをクラッシュさせたりできます。すぐにパッチを当てられない場合は、暫定的な緩和策として max_parallel_maintenance_workers = 0 を設定し、並列HNSWビルドを無効化してください。
• 2026年のリリースは密です：0.8.3（2026-06-17）で HNSWのバキューム中にインデックスが破損する可能性と PostgreSQL 18での距離計算の性能低下が修正され、0.8.4（2026-06-30）でHNSWバキュームのエラーメッセージとメンテナンス中の挿入の問題、IVFFlatビルドのメモリ過剰割り当てが解消されました。0.8.5（2026-07-08）は小規模データセットでのIVFFlatインデックス構築のメモリ要求量を削減し、0.8.6は32ビットシステムでのIVFFlatビルドのバッファオーバーフロー、array→sparsevec変換時の非ゼロ個数の制限、ネストループ結合時のIVFFlatスキャンのメモリに手を入れました。バグ修正がこれだけ続くというのは、実際の本番利用が多いことのシグナルでもあります。
• インデックスはHNSWとIVFFlatの2種：HNSWは速度とrecallのトレードオフに優れますが、ビルドが遅くメモリをより多く使います。 IVFFlatはビルドが速く軽量です。並列HNSWビルドで maintenance_work_mem を引き上げるなら、共有メモリのサイズも最低限それと同じだけ確保しないとエラーになります。PostgreSQL 18対応は0.8.1（2025-09-04）からです。
• 最大の弱点はハイブリッド：ハイブリッド検索が内蔵されていません。 tsvector の全文検索とベクトル距離をそれぞれ求めたうえで、アプリケーションコードで自前で融合（RRFなど）する必要があります。5製品の中で最も手間がかかる部分であり、この項目ひとつが専用ベクトルDBへ移行する最も一般的な理由になっています。
• もっと性能を絞り出したいなら：Timescaleの pgvectorscale 0.9.0 はpgvectorの上に載せる別拡張で、PG18対応が追加され、PG13対応が削除されたほか、コンカレント（concurrent）インデックスビルドに対応しています。Postgres自体の選択肢が気になる方は、PostgreSQL・MySQL・MongoDB データベース比較 の記事も併せて読むと、スタック全体の絵が掴めます。

3. 性能ベンチマーク対決：正直に言えば「自分で測ってください」

このセクションで華やかなQPSの表を期待していた方には、先にお伝えしておきます。2026年8月時点で、この5製品を同一条件で比較した信頼できるクロスバリデーション済みベンチマークは公開されていません。 だから私たちは表を作りません。作ればそれは嘘になるからです。

実際に出回っている数値がどれほど食い違っているかを見れば、すぐに納得いただけるはずです。同じ段落の中で、Qdrantの5,000万ベクトルが 41.47 QPS と書かれている出典が、pgvectorscaleは 471 QPS だと書いています。10倍の差ですが、ハードウェアもインデックスのパラメータも明示されていません。p99レイテンシについても、「1,000万ベクトルでQdrant約12ms / Weaviate約16ms / Milvus約18ms」という出典と、「Qdrantは8ms未満」という出典が並んで存在します。「Pinecone 10億ベクトルで50ms p95 / 10,000 QPS vs Qdrant 20ms p95 / 15,000 QPS」といった印象的な一文は、出典を辿るとSEOブログ1本に収束し、条件はどこにも書かれていません。

[アーキテクチャの強みに基づく定性評価 — 数値ではなく傾向です]
Qdrant   : ⭐⭐⭐⭐⭐ 単一ノードのレイテンシ (Rust + SIMD最適化HNSW)
Milvus   : ⭐⭐⭐⭐⭐ 超大規模スループット (1億+ベクトルの分散アーキテクチャ)
Weaviate : ⭐⭐⭐⭐☆ ハイブリッドワークロード最適化 (重いフィルタでQPS低下)
Pinecone : ⭐⭐⭐⭐☆ 運用負荷なしで得られる安定性能 (チューニング余地は少ない)
pgvector : ⭐⭐⭐☆☆ 100万規模までは専用DBと実用上互角

ですから、数字ではなくアーキテクチャの傾向で語るほうが正確です。Qdrantは RustベースのHNSWにSIMD最適化を載せており、単一ノードのレイテンシに強みがあると言われています。Milvusは分散アーキテクチャなので、1億件以上の規模におけるスループットで有利です。Weaviateはハイブリッドワークロードに最適化されていますが、メタデータフィルタが重くなるとQPSが落ちる傾向が報告されています。pgvectorは、HNSWインデックスを使えば100万規模では専用ベクトルDBと実用上互角という評価が一般的です。

ベンダー自身のベンチマークは、出典を明示すれば参考になります。Milvus 2.6のメモリ72%削減・Elasticsearch比4倍はZilliz自身の測定であり、Zilliz Cloudの多層ストレージのキャッシュヒット率90%超・ストレージコスト最大87%削減も同様です。Qdrant TurboQuantのSQ比メモリ1/2・最大8倍圧縮もQdrant自身の測定です。この3つの数値はいずれも「メーカー公表の燃費」くらいのつもりで読んでください。ちなみに Milvus 3.0は発表から1週間しか経っていないため、独立したベンチマークはまだ存在しません。 いま3.0の性能数値を提示している記事があれば、出典を疑ってよいでしょう。

結論として、この項目の実務的な答えは1つです。あなたの埋め込み、あなたの次元数、あなたのフィルタ条件、あなたのハードウェアで、ANN-BenchmarksやVectorDBBenchを自分で回してください。 1536次元と384次元はまったく別のゲームですし、メタデータフィルタが付いた瞬間に順位がひっくり返ることもよくあります。他人のベンチマークで決めたアーキテクチャは、たいてい本番稼働の初月に後悔として返ってきます。

4. 料金プラン・価格の完全比較

価格は、このベクトルデータベース比較の中で最も誤解が多い領域です。特にPineconeのRead/Write Unit単価は、あちこちで引用されている値が公式ページと約2倍食い違っています。以下はすべて公式料金ページに基づく数値です。

[有料の参入障壁 — 月額最低コスト順]
pgvector        : $0        (オープンソース、Postgresホスティング費のみ)
Pinecone Builder: $20/月     (定額、10GBストレージ込み)
Weaviate Flex   : $45/月〜    (PAYG、2025-10の改定で$25から値上げ)
Pinecone Standard: $50/月    (最低利用額 — 定額ではない)
Weaviate Premium : $400/月〜  (前払い契約)
Pinecone Enterprise: $500/月 (最低利用額、99.95% SLA)
Qdrant / Zilliz  : 従量課金 — 公式単価は非公開、要問い合わせ

💰 Pinecone公式料金表

多くの比較記事が、PineconeのRead Unitを 100万あたり8.25ドル、Write Unitを 100万あたり2.00ドルと書いています。公式の値はStandard基準でRUが16〜18ドル、WUが4〜4.50ドルです。 予算モデルをこの誤った数字で組んでいたら、実際の請求書は想定の2倍になります。いつ値上げされたのかは公式には確認できないため、「値上がりした」と断定するより、現在の公式価格がこうであると覚えておくほうが安全です。

💰 Weaviate公式料金表

Weaviateで必ず押さえておくべきなのは、課金単位が「100万次元（dimension）」 だという点です。ベクトルの本数ではなく ベクトル数 × 次元数で計算されるため、1536次元の埋め込みモデルを使うと、384次元のモデルを使う場合と比べて同じ文書数でもコストが4倍に跳ね上がります。埋め込みモデルの選択がそのままインフラコストの決定になる構造です。また、2025年10月に料金プランが全面改定され、従来のServerless/Enterpriseティアが廃止されてFlex/Premium体系に変わり、開始価格が 25ドルから45ドルへ値上げされました。ちなみに一部の記事が言及している「Plus 280ドル」ティアは、公式ページには存在しません。 無料のSandboxはオブジェクト10万個 / メモリ1GB / ディスク10GB / コレクション1個 / テナント最大3個で、Dedicatedは主要クラウドの約40リージョンに対応し、下位ティアはリージョンが制限されます。

💰 Qdrant・Zilliz・pgvector

隠れコストの話をします。 第一に、5製品すべて日本円（JPY）建ての公式価格表がありません。 すべてUSD請求なので為替変動がそのまま予算に反映されますし、どこかで見た「月◯万円」という表記は誰かが任意に換算しただけで公式価格ではありません。第二に、「最低利用額」と「定額」はまったく別物です。 Pinecone Standardの50ドルは定額料金ではなく最低利用額なので、トラフィックが増えればRU/WUの従量課金がその上に積み上がります。一方Builderの20ドルは定額なので予測が容易です。第三に、セルフホストの「無料」は人件費が抜けた数字です。QdrantやMilvusを自前で運用すればライセンス費用はゼロですが、バックアップ・監視・アップグレード・障害対応がチームの時間を食います。インフラ担当がいないなら、マネージドの50ドルのほうがセルフホストより安く付くケースが多いのです。クラウドアカウントそのもののコスト構造が気になる方は、AWS・GCP・Azure クラウドプロバイダー比較 の記事も併せて参照すると、総所有コスト（TCO）の計算がずっと正確になります。

5. ユーザータイプ別 最終おすすめガイド

🎯 1) すでにPostgreSQLを運用中で、ベクトルが1,000万件以下のチーム

• 最適な選択：pgvector
• 理由：新しいデータベースを導入するということは、同期パイプラインと運用対象をひとつ新たに作るということです。トランザクションの中で元レコードと埋め込みを一緒にコミットできるというだけで、整合性バグの半分は消えます。HNSWインデックスを使えば、この規模では専用DBと実用上互角という評価が一般的です。ただし、始める前にバージョンが0.8.2以上かどうかを必ず確認してください。

🎯 2) インフラエンジニアがいないアーリーステージのスタートアップ / 個人開発者

• 最適な選択：Pinecone Builder または Qdrant Free
• 理由：Pinecone Builderは月20ドルの定額で10GBのストレージと500万WU・200万RUが付いてくるため、請求書が跳ねません。予算がゼロなら、Qdrantの無期限無料プラン（0.5 vCPU / 1GB RAM / 4GBディスク）が期限なしで使い続けられるので、プロトタイプ段階に適しています。

🎯 3) 顧客ごとのデータ隔離が必須のB2B SaaS

• 最適な選択：Weaviate
• 理由：マルチテナンシー自体はWeaviateだけのものではありません。Qdrantもv1.16で階層型マルチテナンシー（tenant promotion）を入れ、Milvus 2.6もマルチテナンシーを強化しています。Weaviateを選ぶ本当の理由は、テナント分離とネイティブBM25ハイブリッドが1つの製品の中で結合している点です。B2Bの文書検索は契約番号やSKUのように完全一致が必要なクエリが多く、テナント単位のハイブリッドが事実上必須になります。そこに Object TTL で契約上のデータ破棄期限まで自動処理されます。この3つが同時に必要なのではなく隔離だけが必要なら、Qdrantで十分な次善策になります。ただしWeaviateは次元数ベースの課金なので、高次元の埋め込みを使うならコストシミュレーションを先に行うべきです。

🎯 4) データレイク（Iceberg/Parquet）をすでに運用中の大企業

• 最適な選択：Milvus 3.0
• 理由：レイクネイティブ・インデキシングにより Parquet・Lance・Iceberg・Vortexのテーブルをコピーなしで検索できます。数十TBをベクトルDBに複製投入するETLと、その二重保管コストが丸ごと消えます。ただし発表から1週間しか経っていないので、まずステージングで検証し、安定性が最優先ならGA済みの2.6系の併用も検討してください。

🎯 5) コストに敏感でありながら本番RAGの品質も譲れないチーム

• 最適な選択：Qdrant
• 理由：TurboQuantがスカラー量子化と比べてメモリを半分に減らすという点が決め手です。ベクトルDBのコストの大部分がRAMであるため、この削減はそのままインフラ請求書に効いてきます。ネイティブsparse＋RRFフュージョンにより、ハイブリッド検索も数行のコードで済みます。

🎯 6) ベクトル1,000万〜1億件、データレイクもなくPostgresでもない中規模チーム

• 最適な選択：運用できる人がいるなら Qdrant、いないなら Pinecone Standard
• 理由：この区間こそ実は最も一般的な本番RAGなのですが、ここまでの基準の隙間に落ちて答えが見えなくなりがちです。pgvectorは1,000万件前後からインデックス構築時間とメモリが一気に重くなり、Milvus 3.0のレイクネイティブはレイクがなければ価値が発揮されないまま分散運用の複雑さだけが残ります。つまり判断基準は規模ではなく「これを回す人がいるか」の一点です。バックアップ・監視・アップグレードを引き受けられるインフラ担当がいるなら、Qdrantがメモリ効率（TurboQuant）とネイティブハイブリッドでコスト対効果に最も優れます。その人がいないなら、Pinecone Standardが運用人件費を丸ごと消してくれます。Standardは定額ではなく月間最低利用額50ドルの上にRU/WUが積み上がる構造である点だけ、予算に織り込んでください。

🎯 7) 規制産業（金融・医療）でSLAと監査要件が最優先の組織

• 最適な選択：Pinecone Enterprise、Zilliz Cloud Business Critical、または Qdrant Private Cloud
• 理由：ここでSLAの数字だけで序列を付けると、かえって判断を誤ります。最上位ティア基準ではPinecone Enterpriseが99.95%、Qdrant StandardのマルチAZが99.95%、Zilliz Cloud Business Criticalが99.99%（マルチレプリカ）で、可用性そのものは横並びか、むしろZillizのほうが高いのです。 実際の差別化要因は契約・監査の側にあります。Pinecone Enterpriseは HIPAA・監査ログ・BYOC を一度に提供し、BYOCは顧客のクラウドアカウントにzero-accessでデプロイされます。Zilliz CloudのBusiness Criticalは、公式ドキュメントが医療・金融・ミッションクリティカルなシステムを対象として明示しているプランで、BYOC（99.95%）も併せて提供されるため、規制要件があるなら必ず候補に入れてください。データが物理的に外へ出せないなら、Qdrantの Private Cloud（完全隔離の専用デプロイ）またはセルフホストが現実的な答えです。

🎯 8) 社内文書検索・ナレッジベースを素早く作る必要のあるチーム

• 最適な選択：Weaviate または Pinecone
• 理由：社内文書には製品名・社員番号・規程番号のように完全一致が求められるキーワードが多く、純粋なベクトル検索だけでは失敗します。Weaviateの alpha フュージョンやPineconeの全文検索（BM25＋Lucene構文）インデックスのように、ハイブリッドが標準で提供されている側のほうが開発期間を大幅に短縮できます。どのLLMを組み合わせるか迷っている方には、ChatGPT・Claude・Gemini AIモデル比較 の記事が役立ちます。

6. 実践的な活用のコツ＆よくある失敗

✅ コツ1) pgvectorのバージョン点検を今日やってください

SELECT extversion FROM pg_extension WHERE extname = 'vector'; を実行してみてください。0.8.2未満ならCVE-2026-3172にさらされています。 HNSWインデックスを並列ワーカーで作成できるユーザーが、他のリレーションのデータを流出させたりサーバーをクラッシュさせたりできる脆弱性です。マネージドPostgresを使っているなら、事業者がいつ0.8.2以上に上げたかを確認し、すぐに上げられないなら max_parallel_maintenance_workers = 0 で並列HNSWビルドを封じておくのが暫定的な防御策です。可能であれば最新の 0.8.6 まで上げるのが望ましいでしょう。0.8.3で HNSWのバキューム中にインデックスが破損する可能性まで修正されているからです。

✅ コツ2) ハイブリッド検索はもはや選択肢ではありません

2026年の本番RAGにおいて、ハイブリッド検索（BM25＋ベクトル）はデフォルトになりました。知識集約型のコーパスでは、純粋なベクトル検索だけでは固有名詞・コード・数値のような完全一致クエリを取りこぼすからです。問題は、製品ごとの成熟度の差がここで最も大きく開くという点です。

pgvectorでハイブリッドをやるなら、RRFのようなフュージョンロジックを自分で書く必要があります。作ることはできますが、このコードはチューニングと保守が継続的に必要な資産になります。「ハイブリッドが必須か」 が、pgvectorに留まるか離れるかを分ける最も実用的な問いです。

✅ コツ3) 埋め込みの次元数をコスト目線で見直してください

Weaviateは 100万次元単位で課金します。100万件の文書を1536次元で埋め込むと15億3,600万次元ですが、384次元のモデルを使えば3億8,400万次元です。検索品質が許容できる範囲なら、次元削減や低次元モデルがそのまま4倍の削減になります。Weaviate以外でも、次元数はメモリ使用量を通じてすべてのベクトルDBのコストに影響します。ここにQdrantの TurboQuant やWeaviateの RQ量子化、Milvusの RaBitQ といった量子化を重ねれば、削減幅はさらに大きくなります。

✅ コツ4) Pineconeのハードリミットを設計段階で織り込んでください

本番投入後にぶつかると痛い制限がいくつかあります。レコードあたりメタデータ40KB — 文書の原文をメタデータに丸ごと入れる設計はここで詰まります。top_k は一般インデックス基準で最大10,000、クエリ結果は最大4MB — リランカーに渡す候補を多めに取るパイプラインでも余裕は十分にあり、実際には先に結果4MBの制限に当たることが多いはずです。ただしsparseインデックスでリランキングする場合は top_k の上限が1,000に下がります。 この1,000という数字をPinecone全体の上限と誤解して、denseの候補集合を不必要に絞ってしまう設計がよくあるので注意してください。$in/$nin は演算子あたり最大10,000個の値 — ユーザー権限フィルタをIDリストで渡す方式は、組織が大きくなると破綻します。そして sparseインデックスはアップサート10件/秒、クエリ100 QPS の制限があるため、大量の初期投入はこの速度を前提にスケジュールを組む必要があります。

✅ コツ5) Weaviateはバージョンを塩漬けにしてはいけません

Weaviateは最新3つのマイナーバージョン（1.36/1.37/1.38）のみがバグ・セキュリティパッチを受けられます。リリース間隔がおおよそ2か月なので、半年放置しただけでサポート範囲の外に押し出されます。四半期ごとにアップグレードする予定を、チームのカレンダーに最初から組み込んでおくのが賢明です。

✅ コツ6) Milvus 3.0の導入は「レイクがあるか」で判断してください

3.0のレイクネイティブ・インデキシングが状況を変えるのは、オブジェクトストレージにオープンテーブルフォーマットのデータがすでにある組織に対してだけです。データがそもそもPostgresやアプリケーションDBにあるなら、3.0の核心的な価値は発揮されず、分散アーキテクチャの運用の複雑さだけを背負い込むことになります。また発表から1週間しか経っていないため、独立したベンチマークがまだありません。 ステージングで自分たちのデータで検証してから移行してください。安定性が最優先なら、2026年1月20日にZilliz CloudでGAとなった2.6.x 系も十分に合理的な選択です。

✅ コツ7) 「あとで移ればいい」の実際のコストを先に計算してください

この記事の結論は「まずpgvectorで始めよ」ですが、その助言が成り立つには移行するステップのコストを知っている必要があります。まず良い知らせから。多くの場合、再埋め込みは不要です。 ベクトルは生の実数配列のままエクスポート/インポートできるので、埋め込みAPIの費用を払い直すことにはなりません。全体の再埋め込みが発生するのは、同時にモデルも変える場合だけです。

実際にお金と時間がかかるのは残りの4つです。第一に、インデックスの再構築時間 — HNSWは構築が遅くメモリも多く使うため、規模が大きくなるほど移送そのものより「新しい側でインデックスが立ち上がりきるまで」がスケジュールの主役になります。第二に、ID・メタデータのスキーママッピング — 製品ごとにIDの型制約、メタデータ/ペイロードのモデル、フィルタ構文が違うので、フィルタクエリは事実上書き直しになります。第三に、二重書き込み（dual-write）の期間 — 無停止で切り替えるには一定期間、両方に書きながら結果を突き合わせる必要があり、その間は両システムの費用を払います。第四に、検索品質の回帰検証 — エンジンが変われば同じクエリの順位も変わるため、ゴールデンセットでの評価をやり直す必要があります。

1節の表でPineconeの最大の弱みとして挙げた「ロックイン」の実体がこれです。 Pineconeにはセルフホストの経路がないため（BYOCは別契約）、離れると決めた瞬間に代替インフラをゼロから立ち上げ、上記4つのコストをすべて支払うことになります。逆にQdrant・Milvus・pgvectorには、少なくとも「同じエンジンを自社サーバーで動かし続ける」という退路があります。導入の時点でデータを取り出すスクリプトを一度書いて回してみるだけでも、このコストが受け入れ可能な水準かどうかを前もって知ることができます。

❌ よくある失敗1) 他人のベンチマークでアーキテクチャを決める

先ほど見たとおり、公開されている数値は10倍単位でずれています。次元数・フィルタ条件・ハードウェアが違えば、順位そのものがひっくり返ります。候補を2つに絞ってから自分たちのデータで直接測定する半日のほうが、誤った選択で失う半年よりはるかに安上がりです。

❌ よくある失敗2) セルフホストを「無料」として計算する

Apache 2.0ライセンスは、ライセンス費がゼロという意味であって、運用費がゼロという意味ではありません。バックアップ・リストアテスト・監視・バージョンアップグレード・障害対応は、すべてチームの時間です。インフラ担当がいない組織では、マネージドの料金のほうがおおむね安く付きます。

❌ よくある失敗3) 引用された価格を検証せずに予算に入れる

PineconeのRU/WU単価は、広く引用されている値が公式価格と約2倍食い違い、Weaviateの開始価格は2025年10月に25ドルから45ドルへ変わり、pgvector「0.9」はそもそも存在しません。予算資料に入れる前に公式料金ページを一度開く習慣が、あとで会議の場で気まずくなる事態を防いでくれます。

7. よくある質問（FAQ）

Q. ベクトルデータベース比較で最初に投げかけるべき問いは何ですか？

「自分たちはすでにPostgreSQLを使っているか」です。使っていてベクトルが1,000万件以下ならpgvectorがデフォルトであり、専用ベクトルDBの導入は運用対象と同期パイプラインという新しいコストを自ら作ることになります。次の問いが「マネージドにお金を払うのか、自前で運用するのか」、最後が「ハイブリッド検索は必須か」です。この3つの問いで、5製品のうち2つまで候補が絞られます。

Q. pgvectorで本番のRAGを回しても大丈夫ですか？

規模と要件によります。HNSWインデックスを使えば100万規模では専用ベクトルDBと実用上互角という評価が一般的で、元データと同じトランザクションの中で管理できるという利点は大きいものです。ただしハイブリッド検索が内蔵されていないため、tsvectorとベクトル距離をアプリコードで自前で融合する必要があります。この実装・保守の負担を引き受けられるかどうかが判断基準です。

Q. pgvectorの最新バージョンは0.9ですか？

違います。0.9は存在しません。 2026年8月2日時点の最新は 0.8.6（2026-07-29） です。複数の技術ブログが0.9と誤記しているので注意してください。そして 0.8.2未満はCVE-2026-3172に脆弱なので、バージョン確認は情報の正確さの問題ではなくセキュリティの問題です。

Q. 無料で始めるならどこが一番いいですか？

用途によります。Qdrant Free は期限のない無期限無料で0.5 vCPU / 1GB RAM / 4GBディスクが使え、一部モデルのクラウド推論も無料なのでプロトタイプに向いています。Weaviate Sandbox はオブジェクト10万個 / メモリ1GB / ディスク10GB / コレクション1個 / テナント最大3個で、ハイブリッド検索を試すのに適しています。Pinecone Starter は2GBのストレージと月200万WU・100万RUに加えて埋め込み500万トークンまで含まれます。Zilliz Cloud にも無料で始められるティアがありますが、上限の数値が公式料金ページに出ていないため、コンソールで直接確認してから比較してください。インフラを自分で回せるなら、pgvectorとセルフホストのQdrant・Milvusは完全無料です。

Q. Pineconeは高いという声が多いですが、実際いくらかかりますか？

公式基準でStandardは読み取り100万RUあたり16〜18ドル、書き込み100万WUあたり4〜4.50ドル、ストレージは0.33ドル/GB/月で、月間最低利用額50ドルが付きます。EnterpriseはRUが24〜27ドル、WUが6〜6.75ドルで、最低月500ドルです。ネット上に出回る「RU 8.25ドル」といった数値は公式と異なるので、予算計算には使わないでください。トラフィックが大きくないなら、月20ドル定額のBuilder がコスト予測の面で最も安全です。

Q. Milvus 3.0に今すぐ移行すべきですか？

データレイクをすでに運用しているなら、検討する価値は大きいです。Parquet・Lance・Iceberg・Vortexのテーブルをコピーなしで検索するレイクネイティブ・インデキシングと、read amplificationを削減する新ストレージエンジン Loon が核心です。ただし 2026年7月29日リリースでまだ1週間目であり、独立したベンチマークがありません。ステージングで検証してから移してください。安定性が優先なら、2026年1月にZilliz CloudでGAとなった2.6.xも十分に良い選択です。

Q. Weaviateの料金が想定より高くなるのはなぜですか？

課金単位がベクトルの本数ではなく「100万次元」 だからです。ベクトル数 × 次元数で計算されるため、1536次元のモデルを使うと384次元のモデルと比べて同じ文書数でもコストが4倍になります。さらに 2025年10月の料金改定で開始価格が25ドルから45ドルへ値上げされたことも重なっています。埋め込みモデルを低次元に変えるか、量子化を適用するのが最も直接的な削減策です。

Q. 日本円で決済できますか？

5製品すべて、日本円（JPY）をはじめとする現地通貨の公式価格表がありません。 すべてUSDで請求されるため、為替変動がそのままコストに反映されます。他の比較記事で見かける「月◯万円」といった表記は任意の換算にすぎず公式価格ではないので、予算承認の資料にはUSD基準で記載し、為替変動の余地を別途確保しておくほうが安全です。

Q. Qdrant Cloudの正確な料金はどこで確認できますか？

Qdrantは公式料金ページに具体的な単価の数字を出していません。 課金項目がコンピュート（vCPU）・メモリ（GB）・ストレージ（GB）・バックアップストレージ・有料推論トークンで、時間単位で計算されるという構造だけが公開されています。ネット上に出回る「0.078ドル/GB時間」「月25ドルから」といった数値は公式に確認できないので鵜呑みにせず、実際の予算が必要ならコンソールで希望のスペックを構成してみるか、営業に問い合わせるのが確実です。

8. 結論：2026年のベクトルデータベース比較、本当の結論

2026年8月のベクトルDB市場は、「誰が一番速いか」という問いからすでに離れています。Milvusはデータがある場所でそのまま検索するレイクネイティブで、Qdrantは同じrecallを半分のメモリで出す量子化で、Weaviateはハイブリッドとマルチテナンシーで、Pineconeは運用負荷をゼロにするフルマネージドで、pgvectorはそもそも新しいインフラを導入しないという路線で、それぞれ別の問題を解いています。互いを置き換える関係ではなく、組織の状態によって答えが分かれる構造なのです。

ですから、このベクトルデータベース比較の実質的な結論はこうなります。まずpgvectorで始められるかどうかを検討し、ハイブリッド検索や規模の都合で無理だと確認できてから専用ベクトルDBへ移ってください。 最初から華々しい専用DBを導入したチームのかなりの割合が、結局は運用負荷と同期のバグに時間を取られます。逆に、ハイブリッドが必須なのにpgvectorに固執するチームは検索品質で代償を払います。判断基準は好みではなく要件であるべきです。

最後に、今日中にやっていただきたいことが1つあります。pgvectorをお使いならバージョンを確認してください。0.6.0〜0.8.1はCVE-2026-3172の影響を受け、0.8.2で修正されています。この記事から持ち帰るものが1つだけだとしたら、それはベンチマークの表ではなくこの一行です。

[まとめ：自分の状況に合った最終おすすめ]

すでにPostgreSQLを使用 + ベクトル1,000万件以下
  → pgvector (ただし0.8.2以上が必須 / 最新は0.8.6)

インフラ人材なし + コストの予測可能性が最優先
  → Pinecone Builder ($20/月定額、10GB、500万WU・200万RU)

予算ゼロでプロトタイプから
  → Qdrant Free (無期限無料、0.5 vCPU / 1GB RAM / 4GBディスク)

顧客ごとのデータ隔離が必要なB2B SaaS
  → Weaviate (マルチテナンシー + BM25 alphaハイブリッド / 次元課金に注意)

データレイク(Iceberg・Parquet)を保有する大企業
  → Milvus 3.0 (レイクネイティブ、コピーなしで検索 / ステージング検証後)

メモリコストを抑えつつ本番RAGの品質を維持
  → Qdrant (TurboQuant: SQ比メモリ1/2、最大8倍圧縮)

ベクトル1,000万〜1億件・レイクなし・Postgresでもない
  → 運用人材がいればQdrant、いなければPinecone Standard (最低$50/月)

HIPAA・監査ログ・データ所在地が契約条件
  → Pinecone Enterprise (最低$500/月) / Zilliz Business Critical (99.99%)
     / Qdrant Private Cloud — SLAだけ見れば3つとも99.95%以上

⚠️ 共通: 5製品すべて円建ての公式価格なし(USD請求)、
   公開ベンチマークは条件がバラバラ — 必ず自分で測定すること

あなたのデータ、あなたの次元数、あなたのフィルタ条件で、候補2つだけを自分で測ってみてください。その半日が、この記事全体よりも正確な答えをくれます。🚀